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...

27届找实习为什么0回复0面试，是不是因为双非而且没什么项目啊啊啊，真的很需要一个实习，我已经投了很多家了，需要怎么再改改简历么？ 我投的都是数分、运营、用户类，或者有没有推荐的中小厂呀

一、核心项目深挖请详细介绍一下实习项目，包括项目背景、你的核心职责、落地成果。请讲一下系统的完整优化过程，包括根因定位、解决方案和最终效果。请详细介绍项目里的Memory复用机制，包括设计初衷、核心实现、存储与管理方案。你为什么选择主从多Agent架构？对比其他架构做了哪些选型取舍？这个项目目前还有哪些技术瓶颈？后续的迭代优化方向是什么？你了解哪些主流的Agent架构？请讲一下ReAct、Self-Discovery、Plan-and-Execute等架构的核心原理与适用场景。二、RAG项目深挖（电商智能导购项目）请详细介绍一下这个电商RAG智能导购项目，包括核心功能、完整实现链路、落地效果。...