上一段小厂实习经历不太相关直接被忽略项目部分挑两个其中你觉得优化效果最好的方法说明一下数据分布这块做过什么处理吗？学习过第一名的方案吗，他用了哪些方法？围绕语义ID讨论一点八股你生成语义ID后自己查看过生成的数据效果如何吗，怎么看这个效果如何？你加入的语义ID和多模态embedding哪个提升效果更好，你觉得是为什么？手撕部分：随便开一个本地IDE写在一个二叉搜索树中找到小于m的最大值

rt 不知道是真的假的丁老板 太难绷了

目前进度是codetop前五页+hot100刷完了，八股背完了一轮但是感觉没背熟，求大佬们拷打简历

1. 介绍一下你做的这个项目2. LoRA 的基本原理是什么LoRA 的核心思路是，微调大模型时没有必要把整个权重矩阵都更新掉，而是只学习一个低秩的增量。原始权重记作 (W)，微调后的权重写成：其中 (A) 和 (B) 的秩都很低，参数量远小于直接更新整个 (W)。训练时冻结原模型参数，只训练这两个小矩阵，这样显存占用、优化器状态和保存体积都会小很多。它适合做领域适配、指令微调这类任务，因为很多任务对模型的改动并不需要覆盖完整参数空间。LoRA 常见会插在 attention 的 q_proj、v_proj 上，有时也会加在 k_proj、o_proj 或 MLP 层。选哪些层，本质上是在表达...