一面首先自我介绍，没怎么问项目，然后八股。1.c++文件变成可执行的程序，中间要经历的过程2.静态链接和动态链接，以及各自的优缺点3.内联函数概念，什么时候不会省去调用函数的开销？4.c++内存划分，堆和栈的区别5.new和malloc在申请空间时有什么区别6.进程和线程的区别，多线程和多进程的应用场景7.如何避免死锁8.事务，事物的特性，隔离性的隔离级别最后一道手撕，删除链表的倒数第k个节点，写得七七八八，能实现，但是临界问题考虑的一般，面试官最后还问我临界条件怎么办。反问，面试官挺好的。我面的c++，他说岗位目前用Java比较多，c++都是招人时候用的，问我介不介意转Java。过了，发二面...

求大佬们拷打简历，投了好多简历了，基本上都没面

今天早高峰10号线，人挤人，我好不容易站稳，余光扫到旁边座位上有个穿校服戴红领巾的小男孩，正低头盯着iPad。我以为他在看动画片，好奇瞟了一眼——好家伙，在刷leetcode。我人都傻了。我小学五年级还在玩赛尔号，人家已经在地铁上刷题了。让我想起来现在也有很多机构推出面向小孩的人工智能课、AI使用课...现在连小孩都这么卷了吗？

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...