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...

hr先为昨天的delay道歉了，态度很温柔也很专业。主要问一些压力的克服实习内容与成长，困难怎么克服到岗时间与实习时长为什么不考研先打了个mentor和leader比较忙的预防针反问：工作节奏，offer时间

面经：你所了解到的软件测试流程是什么样的拷打实习经历，实习业务，bug主要分布到哪些地方（2段测试都被分开拷打了）在是上一家公司主要负责的是哪些模块的测试有哪些影响深刻的bug为什么想从开发转测试了解过app测试嘛，和web测试时有什么区别测试的能力主要有哪些面临测试的DDL特别急，主测项又特别多怎么办app端的测试需要覆盖那些东西有个bug怎么去定位前后端bug测试行业有哪些难点，如何处理linux有哪些命令对自己测试规划路线对我们公司业务有了解嘛反问 总结：面试官态度太差了，一直板着脸问问题。而且感觉很傲慢的感觉，我边回答他边瞪着我，整体面试很不舒服，很难受。个人：凉了，主要是对app测试...