一面技术面过了好几天记不太清了。记得问了几个八股，其中原子锁答得不太好还让我回去查一下。无手撕。面试官老哥挺好的，就是看起来很命苦啊。二面HR面明显这个HR说话就听有流程的，刚开始说咱们今天的面试有三个部分，第一部分自我介绍，然后问一些问题，之后反问（差不多这样，我也记不清了）。问了好几个问题，记不太清了，有在项目分工中你承担什么职责，怎么和组员沟通之类的，还问你认为你和其他技术人员相比有什么技术上的优点吗？说出三个。只记得这些了，当时网络非常不稳定，他一直说没关系。但是最后应该挂了，我猜网络可能有关系，当然也应该是我答得不好（笑cry）。总之最后无通知挂了。

第一次实习的时候啥也不懂mentor第一天跟我说的。我说好。我以为只是第一天这样。第二天——"你先看看文档。"第三天——"你先看看文档。"第五天我鼓起勇气问："那我后面大概做什么方向？"他说："不急，先熟悉。"我点开过的文档数了数，三十多篇。每一篇我都有认真看实在无聊，我打开同学群看看大家都干啥呢。有人说他入职第一天就改了bug。有人说他mentor每天带他review代码。有人说他们组上周聚餐了。我每天的成就是：又看了五篇文档。上了一周班后，晚上我收工位走出公司，那一刻我突然明白"你先看看文档"是什么意思。不是让我熟悉。是他也不知道让我干嘛。我真的谢

挑战全网最惨27届应届生。十几场面试全挂，道心破碎，后续不打算面了，先调整一下心态了。金三银四感觉和双非无关

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...