2023年，开源模型刚刚多起来的时候，上手AI做的最多的事情就是微调，那会儿我有一张3090，就足够微调GLM2-7B或者Llama2-8B的模型了，网上还有很多的教程，教你怎么找数据集、怎么构建数据集，怎么微调大模型。仿佛只要学会了微调，我就一脚踏进了大模型工程师的门槛。包括到现在，很多客户一开始就说：“我们要微调一个自己的模型，网上都这样说的。”然后14B也好，32B也好，拉一堆行业数据往里塞，觉得这样才算构建核心壁垒。但连续了解几个项目之后，我现在的结论很清晰：对大多数做AI应用的团队来说，微调就是个坑。甚至面试的时候也会出现这个问题：为什么不建议微调？到现在网上还有很多新发的教程，一张...

这个时候很多牛友可能已经回家了，我觉得尽量在过年的时候不要和自己的亲人说自己的工资，无论是高也好，还是低也好。工资比较高，可能家里会有一些亲戚或者带水朋友找你借借，如果说工资低也好，别人甚至也有可能会看不起你，最好。其实是呃，保持低调，然后，如果有帮助有能力可以帮助家人的话，我觉得可以帮助一下。

1. 自我介绍我其实跟一面介绍的差不多 , 之前公司的实习，主要参与 C++ 后端开发工作。 实习期间负责消息处理和服务端模块开发，涉及功能迭代、线上问题排查和性能优化。 技术栈以 C/C++ 为主，熟悉 STL、Linux 多线程和 TCP/IP 网络编程，了解 MySQL、Redis。 整体偏工程实践，关注代码质量、系统稳定性和性能优化，希望继续在 C++ 后端方向深入发展。2. 项目介绍二面比一面问得更深入，围绕项目追问了很多实际场景问题，不只是做了什么，更关注为什么这么做、怎么验证、出了问题怎么兜底大概的追问方向如下: 高并发下延迟抖动时，如何快速判断是锁竞争、I/O 瓶颈还是下游阻塞...