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...

这简历能不能抓住春招的尾巴呀😔

1. 说说JVM的内存区域划分？ 2. 常见的GC算法和收集器有哪些？ 3. 讲讲CAS的原理？ 4. Redis的持久化方式及区别是什么？ 5. MySQL索引的底层原理是什么？ 6. 什么是RAG技术？流程是什么？ 7. 简述Spring AI的基本使用流程？ 8. 项目A中，节点健康状态如何实时感知？ 9. 项目A中，签名认证的安全性如何提升？ 10. API网关项目中，策略模式重构优化了什么？ 11. 项目B中，三种缓存结构分别是什么？ 12. 项目B中，如何解决Redis大key问题？ 13. 项目B中，如何解决数据倾斜问题？ 14. 项目B中，首页耗时如何优化到60ms？ 15. ...