前段时间吃饭，跟 mentor 聊到现在毕业生找工作难这件事。他顺口说了一句话，我印象特别深： 有些面试，5分钟内其实就差不多知道结果了。甚至有的校招面试，更直接：候选人一开口，挂还是过，他心里基本就有数了。说实话，我一开始听到这句，还有点不服。我当时心里想，哪有这么夸张，大家不都得聊一会儿、问几轮，才能看出来吗？但回头看我去年那 40+ 场后端面试，我发现这话真不是吓人的。很多时候，不是你答了多久才暴露问题，是你一开口，面试官就已经听出来你对这个东西到底懂多少。两次尴尬面试经历我刚开始面试那阵子，其实就是最典型的“背过一点，但没真的懂”。后端技术栈深度不够，广度也不够，再加上人一紧张，就特别...

锐评一下我的简历吧，投几天了都没有找到，成都双非本。

如题，tl：3.3 投递3.9 一面3.17 二面3.25 三面3.26 hr面4.1 offer给同样面了腾讯的同志们一点参考。说好的字节才是双非友好大厂呢，为什么我简历是投一次锁一次，以后要当节恨子！鹅是人生第一次面试，本来以为要挂几次，没想到流程还算顺利，初面就直接给我过了，我要感谢腾讯，感谢面试官，感谢hr，感谢所有人。真心是体会到了，找日常实习就是七分运气三分实力。鹅的黑卡有点帅

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...