腾讯字节后端实习offer比较

今天和字节的一位面试官朋友吃饭，吐槽了一下今年的春招简历质量。他跟我透露了一个残酷的真相：大厂筛选简历，平均停留时间真的只有3秒。在这3秒里，如果你的简历没有击中“靶心”，直接就会被Pass。作为“内部人”，他给了我三个关键加分项，能瞬间提升简历的通过率。今天分享出来，希望能帮到还在焦虑的牛友们。加分项一：关键词的“镜像化”布局面试官看简历其实是在“找词”。ATS系统和HR都在找JD（职位描述）里的那些硬技能。错误示范： 技能栏写得乱七八糟，或者项目经历里全是“负责、参与”这种虚词。正确姿势： 你的简历应该像JD的“镜像”。如果JD里强调了“SQL”、“Python”、“数据清洗”，你的简历里...

中小厂看了简历大多数已读不回是什么原因？是不是我的简历问题太大了，求大佬们指点！

秋招官网投了100家没有一个面试，现在春招BOSS沟通了270家，投了27份简历，只有3个面试，还是实习，下面是简历和BOSS上的招呼语，求各位佬指点一下

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...