我最常挂在二面，考察项目深度时总答不到点上。后来每次挂掉都录音复盘，把追问盲区整理成题库，针对薄弱环节模拟练习。坚持优化两个月后，终于拿到了满意的offer。挂掉不是终点，而是精准查漏补缺的起点。

1. 什么是 LoRA？LoRA 全称是 Low-Rank Adaptation，核心思想是在微调大模型时不直接更新原始大权重矩阵，而是冻结预训练权重，只额外学习两个低秩矩阵，用这两个小矩阵的乘积去近似原权重的增量。原来如果某层权重是： W ∈ R^(d×k) LoRA 不直接学习 ΔW 的完整矩阵，而是写成： ΔW = B A A ∈ R^(r×k), B ∈ R^(d×r), 且 r << min(d, k) 最终前向变成： h = W x + ΔW x = W x + B A x 这样训练参数量会大幅下降。2. LoRA 的思路是什么？LoRA 的基本假设是：大模型在迁移到下...

想从事Agent开发，需掌握LLM工作原理、Tool Calling体系与LangChain等框架。推荐直接实战：从GitHub开源教程（如datawhalechina/hello-agents）入手，从零构建Agent。边学边练，在实践中理解记忆、规划与工具调用，是最高效的学习路径。

更偏推理基础、工程细节和 CUDA 手写题这场百度 AI Infra 一面，整体感受是节奏很快，前半段主要围绕简历里的项目和实习经历往下问，后半段会明显转到一些更偏推理基础和工程理解的问题，最后还加了一道 CUDA 的手写题。面试官一开始先介绍了团队，说他们在百度智能云下面，训练、推理、强化学习、Agent 这些 AI Infra 相关方向基本都覆盖到了，所以一上来的感觉就是，这不是只盯某一个小点的岗位，而是一个工作面比较宽的 Infra 团队。正式开始之后，前面还是从我现在做的事情切进来，重点还是摩尔线程这段实习。面试官先问我怎么理解自己在做的这个 TensorFlow MUSA Exten...