24届新的疑惑

1.自我介绍2.手撕 lru（多了一个x秒自动过期）3.刚刚的代码哪些部分在并发环境下会线程不安全，如何解决4.拷打项目5.有没有大模型微调相关经验6.Redis为什么比其他数据库快，为什么加载到内存会比硬盘快7.刚刚提到了上下文切换，什么是上下文切换，具体是干什么的8.Redis除了分布式锁还能做什么9.Redission看门狗机制10.如何使用ai coding的11.如何学习新技术12.反问lru写的太慢了没完全写完，面试官让讲了一下思路就给过了。但是线程不安全这一块回答的有点磕绊。当天晚上约二面。

1. 大模型微调的完整技术方案与工程落地细节采用 LoRA 参数高效微调方案，仅对 Transformer 的 Q/V 投影层添加低秩矩阵，冻结底座模型参数。训练时设置秩 r=8、缩放因子 α=16，使用 AdamW 优化器，学习率 2e-4，配合余弦退火学习率调度与梯度裁剪。工程上使用混合精度训练、分布式数据并行，提升训练效率，训练后合并 LoRA 权重，不增加推理延迟。 import torch import torch.nn as nn class LoRALinear(nn.Module):def __init__(self, in_features, out_features, r=...