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...

到现在收到了0个面试😭 好焦虑😭求求大佬们给我一个建议，要是真不适合我就转了😭

腾讯校招公众号的数据，估计那77%都在横向

1.说一下你的断点续传怎么实现的？2.分片出错了怎么办？3.CRC校验和MD5校验有啥区别？性能 准确 错误率3.如果串改，攻击 你怎么解决？4.你的分片 怎么保证有序5. 你的文件上传 如何保证文件上传对了的？6. 你说说map 和hashmap的区别7.不考虑范围查询的话 红黑树和hash表有什么区别8. hash冲突你知道吗？ 怎么解决？9. 你知道的hash算法有哪些？10.hash 算出来的是什么 是内存地址吗？举个例子1234 怎么hash的 11.你知道的排序算法有哪些 ？12.快排实现复杂度是多少 最坏 最好 平均？ 为什么平均还是nlogn 怎么算的13.快速排序 的 平均时...