真实感受是：苦的点不一样。北漂苦在天气和距离。冬天零下十几度等公交，鼻涕都冻出来。回家一趟高铁要6小时，过年抢票能把人逼疯。但北京互联网机会是真的多，大厂扎堆，跳槽不用换城市。沪漂苦在生活成本和排外感。同样的工资在上海租的房比北京小一圈，地铁挤到怀疑人生。而且上海人说方言时你真的插不上话，有种隐形的距离感。但气候确实舒服，不用忍受北方的干燥和雾霾。我个人感觉北漂更苦点。因为北京的苦是物理性的——冷、远、干。上海的苦是心理性的——贵、挤、疏离。前者咬咬牙能扛，后者会慢慢消耗你。但说到底，漂哪儿都苦。关键是这个苦值不值。如果能学到东西、攒到钱、看到未来，那苦也就苦了。怕的是苦了半天还在原地踏步，那...

是我写的代码太烂了吗

…… 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

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...