学而思内推

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...

各位大佬们，可以帮忙看看我的简历有没有什么问题嘛，想投中厂的前端开发实习

27届找实习为什么0回复0面试，是不是因为双非而且没什么项目啊啊啊，真的很需要一个实习，我已经投了很多家了，需要怎么再改改简历么？ 我投的都是数分、运营、用户类，或者有没有推荐的中小厂呀

二面面试官是技术负责人，比一面更注重原理深度和实际项目经验，很多题都是在一面基础上继续往深挖，追问细节比较多。整体节奏偏慢，每道题都会聊很久，建议把自己做过的项目细节提前梳理清楚，光背理论不够，要能结合实际说清楚。1.一面提到了RTOS，那你讲一下优先级反转是怎么产生的？FreeRTOS是怎么解决这个问题的？2.你在项目中有没有遇到过栈溢出的问题？当时是怎么发现的，怎么定位的，最后怎么解决的？3.讲一下Cache的工作原理，Cache Miss会带来什么影响？在嵌入式开发中有哪些场景需要注意Cache一致性问题？4.你了解内存屏障吗？在什么情况下需要手动插入内存屏障？5.讲一下Cortex-M...