秒挂！

最近准备面试的时候，发现一个很现实的问题：很多时候不是我完全不会，而是面试官一追问，我就很难马上把答案组织好。比如这些问题：“你在这个项目里主要负责什么？”“这个功能的难点在哪里？”“为什么这么设计？”“如果数据量变大，你会怎么优化？”“这个项目和我们岗位有什么匹配点？”这些问题单独看都不难，但放到真实面试场景里，尤其是远程视频面试，一紧张就很容易说散。后来我复盘了一下，发现自己最大的问题不是知识点没准备，而是：简历经历没有结构化表达。项目明明做过，但讲的时候容易变成流水账；技术点明明知道，但说出来没有重点；岗位JD看过，但没有和自己的经历建立对应关系；面试官追问细节时，临场组织语言很慢。所以...

春招求救😭，一个面试都没接到

继上次三方毁约后，又拿到了腾讯社招offer

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...