刷到这个话题，真的像看到了两个月前的自己。作为双非计算机本科，今年冲杭州大厂暑期实习，海投了30多家大厂，从阿里、字节、拼多多，到网易、美团、快手，笔试做了十几场，一面只进了3次，全挂了。那3个月，我天天在出租屋里死磕大厂，牛客刷面经、背八股、刷算法，投出去的简历90%石沉大海，每天睁眼就是刷招聘软件，看有没有面试邀请，晚上焦虑到凌晨三点睡不着，满脑子都是“找不到大厂实习，秋招是不是就完了”。身边的同学，要么拿到了大厂实习offer，要么已经接了本地中小厂的offer，只有我还在死磕，高不成低不就。期间有两家杭州的中小厂给我发了实习offer，一家是做电商SaaS的，一家是做AI Agent应...

我朋友接了美团，后面又拿了字节，跑去字节提前实习，天天抑郁症，天天内耗，哎，字节毁了一个年轻人，哎，还不如去美团蹲着

美团timeline一面 3.26二面 4.2oc 4.8offer 4.10其他：oppo 一面挂vivo 没动静携程 笔试挂哔哩哔哩 没动静感想感觉找实习运气也占不少的成分，本来0实习选手暑期只是准备随便投一下练一练，想着过会儿再找日常实习，没想到美团直接收留我了。感谢一面面试官，在我第一次面大厂的时候给了我自信

1. 什么是 LoRA？LoRA 全称是 Low-Rank Adaptation，核心思想是在微调大模型时不直接更新原始大权重矩阵，而是冻结预训练权重，只额外学习两个低秩矩阵，用这两个小矩阵的乘积去近似原权重的增量。原来如果某层权重是： W ∈ R^(d×k) LoRA 不直接学习 ΔW 的完整矩阵，而是写成： ΔW = B A A ∈ R^(r×k), B ∈ R^(d×r), 且 r << min(d, k) 最终前向变成： h = W x + ΔW x = W x + B A x 这样训练参数量会大幅下降。2. LoRA 的思路是什么？LoRA 的基本假设是：大模型在迁移到下...