腾讯

1. 详细介绍一下你负责的项目，系统架构是怎么设计的？答：项目背景：介绍业务场景、用户规模、日活量、并发量等关键指标，说明团队规模和你的角色定位技术架构： 接入层：Gateway网关统一入口，负责路由转发、限流、鉴权服务层：按业务拆分微服务，Feign做同步调用，MQ做异步通信，Nacos做注册中心和配置中心数据层：MySQL主从读写分离，Redis缓存，MQ削峰填谷技术难点：重点说高并发优化（多级缓存、限流、异步）和分布式事务（MQ最终一致性）监控运维：Skywalking链路追踪，ELK日志分析，Prometheus+Grafana监控告警关键：每个技术选型要说清楚为什么这么选，有没有考虑...

这家公司疯了吧，5个人招我，我又不是什么稀缺资源这家看样子应该是外包公司

1. 模型训练里你怎么在全参微调和 LoRA 之间做选择这个问题我一般不会只从显存够不够来答，而是会结合任务复杂度、分布偏移程度和上线方式来讲。全参微调的优点是表达空间更大，适合任务分布和原模型差异比较大的场景，比如领域知识很重、输出风格和推理路径都要明显改造的时候，它更容易学到深层适配；LoRA 这类 PEFT 方法更适合成本敏感、实验迭代快、模型版本频繁切换的场景，特别是多任务并行或者多租户配置时，管理上会轻很多。如果任务本质上是在原模型能力基础上做轻量偏移，比如格式约束、领域术语补强、特定工具调用习惯，LoRA 往往就够了。反过来，如果发现训练后模型虽然会答，但深层行为模式改不动，比如推...