经纬恒润

1. 大模型微调的完整技术方案与工程落地细节采用 LoRA 参数高效微调方案，仅对 Transformer 的 Q/V 投影层添加低秩矩阵，冻结底座模型参数。训练时设置秩 r=8、缩放因子 α=16，使用 AdamW 优化器，学习率 2e-4，配合余弦退火学习率调度与梯度裁剪。工程上使用混合精度训练、分布式数据并行，提升训练效率，训练后合并 LoRA 权重，不增加推理延迟。 import torch import torch.nn as nn class LoRALinear(nn.Module):def __init__(self, in_features, out_features, r=...

是我简历太单薄了吗，我投的都是小厂，想先过渡一下的想过自己很菜，没想到这么菜

1. C++11 之后你常用的新特性有哪些，分别解决了什么问题答案：比较常用的有 auto、范围 for、右值引用、移动语义、nullptr、lambda、thread、mutex、condition_variable、atomic、smart pointer、constexpr、optional、variant、结构化绑定这些。如果放到工程里看，真正高频的还是几类：一类是语法层降噪，比如 auto、lambda、结构化绑定；一类是资源管理和性能相关，比如移动语义、智能指针、完美转发；一类是并发库和原子操作；再往后像 constexpr、filesystem、string_view 这种更多是...