所以平台型产品对技术要求不高么

大家好，我是程序员鱼皮。 每年求职季，我都会分享一些求职攻略。这些年我帮大家修改过几千份简历，之前写的 《保姆级写简历指南》 也帮了不少同学拿到面试机会。所以在写简历这件事上，我还是比较有发言权的。  不过随着 AI 的发展，程序员的简历写法也必须要更新了！ 如今的招聘市场，会 AI 已经不是加分项，而是 筛选条件。随便翻翻现在大厂的 JD，很多都明确写着：熟悉 AI 大模型开发优先、有 AI 编程经验优先。 如果你的简历上还是清一色的 CRUD 项目，连一个 AI 相关的关键词都没有，那大概率第一轮筛选就被刷掉了。 而且 AI 时代对程序员的能力边界有了很大的扩展。以前我们说 “全栈”，可能...

1. 模型训练里你怎么在全参微调和 LoRA 之间做选择这个问题我一般不会只从显存够不够来答，而是会结合任务复杂度、分布偏移程度和上线方式来讲。全参微调的优点是表达空间更大，适合任务分布和原模型差异比较大的场景，比如领域知识很重、输出风格和推理路径都要明显改造的时候，它更容易学到深层适配；LoRA 这类 PEFT 方法更适合成本敏感、实验迭代快、模型版本频繁切换的场景，特别是多任务并行或者多租户配置时，管理上会轻很多。如果任务本质上是在原模型能力基础上做轻量偏移，比如格式约束、领域术语补强、特定工具调用习惯，LoRA 往往就够了。反过来，如果发现训练后模型虽然会答，但深层行为模式改不动，比如推...