满帮vs苏州税务局

offer帮选，双9，手里有两个合肥的offer，主要诉求是稳定性和行业前景。1.南瑞全资子公司，现在已签，有电网全民编制，待遇n，此外还能领每年2w的合肥市人才补贴3年，这边好像需要把个人档案放到合肥人才中心而不是南瑞总部，不知道会不会存在问题。目前来看比较稳定，没有裁过人，对于电力行业的前景我也比较认可，就是三级公司这个点可能会有点纠结，担心未来的晋升和上限不够高。2.农发行软开，待遇n，转正后大概在n+6（网传），无合肥市人才补贴，签约主体是金融科技中心，title很好但是担心银行信创改造完成之后软开这种成本部门会被砍掉从而失业，而且软开毕竟不是银行的主业，可能未来前景也一般。综合来看，这两家都存在加班的问题，但是农发行有调休（能不能用看领导），南瑞这边似乎无调休，但是部分部门可以通过补卡来变相调休。

我作为后端求职者，即便 AI 能解题、写代码，刷 Leetcode 依旧很有必要。AI 只能给出答案，却练不出你的逻辑思维、代码思维与解题思路。面试依旧看重手写算法、思路推导，刷题锻炼的底层思维，是 AI 无法替代的核心能力。

拿到了一家公司offer，但要有三个月的培训期，培训结束才会决定去留，待遇挺好的，但是万一留不下来又错过了春招怎么办啊

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...