比亚迪

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...

（简历伪装成大三了）我是一个双非大二，意向是java后端开发能给我一些建议吗？开学就大二下了，什么时间去投递，能不能投递给中厂呢求前辈帮我看看😘

感觉寄了，代码都让ai写了，现在心里慌慌慌。怕不给面试，也怕给了面试。第一次面试说要出一道算法题脑子一片空白😐。。。

1. C++ 中 move 语义和完美转发的区别是什么？答：move 语义通过 std::move 将左值强制转为右值引用，触发移动构造/移动赋值，避免深拷贝，转移资源所有权。转移后原对象处于"有效但未定义"状态，不能再使用其资源。完美转发通过 std::forward 配合模板的万能引用（T&&），在函数模板中将参数以原始的值类别（左值/右值）转发给下一个函数，避免多次拷贝。核心区别：move 是"无条件转为右值"，forward 是"保持原来的值类别转发"。 template<typename T> v...