最近影石秋招真的让我情绪反复横跳。原本已经决定放弃这家公司，但随着薪资不断上调，又让我重新燃起了冲一把的想法。整个面试过程下来，最大的感受就是——面试强度很高，几乎是全方位拷打，从项目细节到底层原理，没有任何水分。一面主要围绕项目深挖和工程能力展开，尤其是嵌入式系统、通信协议以及AI推理优化，细节问得非常深入，比如传感器数据处理、I2C/SPI底层机制，以及模型推理和性能优化等内容，基本每个点都能继续往下追问。二面则更偏向基础和底层能力考察，包括C/C++语言本身、数据结构、内存模型，以及一些算法思路，同时也会结合项目继续深入，比如推理框架优化、SIMD加速等，整体更考察理解深度而不是表面知识...

挑战全网最惨27届应届生。十几场面试全挂，道心破碎，后续不打算面了，先调整一下心态了。金三银四感觉和双非无关

就是觉得好漂亮，可能是配色？

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...