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...

…… 标题党了，对不起各位牛爷爷了，请问各位简历有没有要优化的

之前我去面试，等候区坐了个特别帅的哥们儿，我心想完了这颜值我肯定比不过。结果出来一聊，他一面就挂了，我过了。我导师做过三年技术面试官，他说："长得好看我确实会第一眼印象好点，但只要张嘴答题，5分钟内就能判断水平。颜值最多给你加1分，技术不行扣的是10分。"但也不能说完全没用。我观察下来，真正加分的不是"长得帅"，而是"看起来靠谱"。什么叫靠谱？头发不油、衣服整洁、说话时眼神不躲闪、坐姿端正。这些细节给人的感觉是"这人做事应该也挺靠谱"。我有个同学长相一般，但每次面试都提前理发、穿干净的衬衫、背挺得笔直，offer拿...