实习疑问

简历写"负责微服务架构设计"，实际就加了俩接口。面试官问"服务怎么拆的"，懵了。继续问"用Eureka还是Nacos，为啥"，答不上。当场凉。这就是"面试反噬"——你写得越牛，问得越狠。记住：简历每个技术名词都是定时炸弹。写"Redis"就得准备回答缓存穿透击穿雪崩咋解决。写"高并发"就得说清QPS多少、瓶颈在哪、咋优化的。写之前问自己三个问题——1)真做过吗？2)知道为啥这么做吗？3)能展开说细节吗？答不上就别写。然后深挖每个技术点。比如写了"用Redis优化&q...

求助，怎么改进。约面都没有🙂‍↔️  

周一入职培训，下午按照部门经理发的文档学习了一下午。第二天去部门上，客开得去部门上，按mentor的要求读文档看学习资料。第三天，因为通勤时间很长，休息一天，然后hr直接说不合适，走离职流程。工资也不准备发，后面还是争取到了，总之避雷。合同上说是一周至少三天。

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...