自我介绍实习A 系统 多业务线的统一纳管配置是什么意思延时双删解释一下；有没有可以根治数据库与缓存不一致的方法；为什么不采用主从读写分离用户如何触发点位上的投放召回有没有通过算法模型推测用户喜好；如果让你设计，比如给用户推荐美食，如何做（数据越多，构建出来的模型越清晰）；一直拉其他业务的数据合适吗，有没有更好的方法B 平台 为什么要做综合运用三个设计模式，具体是如何做的为什么用轮询，而不是通过线程做异步通知；现在前端会做轮询，如果有人伪造大量恶意请求，怎么办C 系统 如何根据用户的实时数据优化算法模型详细说一下双链路诊断工具；为什么不在落日志之前针对失败做告警主从资源利用不均的问题是如何发现的...

那可真是太遗憾了，你们就继续把流程卡在简历初筛吧，继续给我发测评和笔试之后把我挂掉吧（大部分甚至连感谢信都没有😁），我填网申一点都不累，做测评和笔试一点都不辛苦

午休完裸面，网易某部门。 困死我了😵

第 15 题：LoRA（Low-Rank Adaptation）的数学原理 题目 解释 LoRA（Low-Rank Adaptation）微调的数学原理。 一、动机 全量微调大模型要更新全部参数，显存与算力成本高。LoRA 假设预训练权重在适应新任务时，有效更新是低秩的，因此只学习一个低秩增量，与原权重相加得到适应后的权重，从而大幅减少可训练参数与显存。 二、数学形式 设某层线性变换为 ，。LoRA 不直接改 ，而是增加低秩分解的增量：  其中 ，， 为秩。前向时：   训练：只训练 、， 冻结；参数量从  变为 。 推理：可把  算好存成一张矩阵，等价于单层线性，无额外延迟；或保留  分开算...