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...

没想到挂了还有感谢信啊哈哈哈哈啊哈哈啊哈哈

投递：23家面试：6场offer：1个目前状态：等面试总结：拿了个保底offer心态稳多了，继续冲更好的

一面（基础技术面）自我介绍，然后开始问基础，偏嵌入式底层和RTOS：设计一个带看门狗（Watchdog）的嵌入式系统，描述故障恢复流程UART、SPI、I2C 协议的核心差异及典型应用场景推挽输出与开漏输出的区别？举例说明在 GPIO 控制中的应用如何通过 DMA 减少 CPU 在数据传输中的负载系统时钟配置对低功耗设计的意义是什么嵌入式操作系统（如 FreeRTOS）中任务的状态有哪些？状态切换条件实时操作系统（RTOS）的“硬实时”与“软实时”区别RTOS 的任务调度策略有哪些？如何保证实时性任务间通信方式（信号量、消息队列、管道）的适用场景及优缺点如何避免中断服务程序（ISR）中的竞争条...