背景：我java的，但是这边是go，所以问的偏后端通用的问题。java相关的问题没问。自我介绍ai项目拷打：介绍项目中不同应用生成模式的差别与设计思路应用的存储设计（用的文件，追问了下映射关系）生成应用的预览和部署细节怎么实现的预览怎么实现的部署存储和预览部署之间怎么联系起来的（还是在问怎么映射的，我这边设计的是文件夹名字就是id）项目中 redis 存数据的内部结构（这基本都是靠依赖自动管理的，我是真不记得了，按我自己的理解说的，大致合理）另一个java后端项目就没问八股：索引B+ 树，双向链，树高幻读redis 缓存雪崩缓存穿透url 到渲染网络错误码，追问了301 302 403手撸：糖...

求助，怎么改进。约面都没有🙂‍↔️  

打算暑假去实习，大佬们看看我的简历ok吗？😖😖

1、LoRA 微调的原理LoRA 的核心思想是不直接更新预训练模型里的原始大权重，而是在某些线性层旁边增加一个低秩更新分支，用低秩矩阵去近似权重增量。假设原始权重是 W∈Rd×k，全量微调时直接学习ΔW，LoRA 则把它写成：ΔW=BA其中A∈Rr×k，B∈Rd×r ,，(r) 是远小于 (d) 和 (k) 的秩。这样前向计算就变成：h=Wx+ΔWx=Wx+BAx实际里通常还会加缩放项：这样做的本质是认为很多下游任务对大模型权重的更新其实存在低秩结构，不需要真的去学习一个完整的大矩阵。LoRA 的优点是可训练参数少、显存占用低、训练快，而且原模型参数冻结，方便多任务切换和权重管理。2、LoRA...