背景：双非一本，计算机专业，大三找暑期实习。 战绩：前两次投递，简历挂得连渣都不剩；后两次投递，修改了核心逻辑，拿到字节、阿里实习面试机会，最终拿下字节后端实习offer。今天不整虚的，直接复盘我是怎么把一份“流水账”改成大厂敲门砖的。希望能给正在焦虑的兄弟们一点参考。第一版简历：典型的“学生思维”自嗨刚开始写简历，我恨不得把高中拿的“三好学生”都写上去。【修改前 - 失败案例】项目经历：校园二手交易平台负责后端开发，使用了SpringBoot和MySQL。实现了用户登录、商品发布、留言评论等功能。参与了数据库设计，修复了一些Bug。锻炼了团队协作能力，吃苦耐劳。自我剖析： 这种写法简直是灾难...

只招目前在公司所在地的吗？

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...