有没有小而美的外企啊

2.28 考研分数出来就感觉有点悬进复试有点难 于是开始准备春招，寒假其实也在学一点开发的东西和准备简历。但欠缺的东西还是很多。3.6 经过几天的思考和情况观测，感觉在复试线边缘准备开始投递春招和准备复试开始也是很焦虑吧，不知道未来在哪里，到底要去干啥，一直背八股了解项目。中间过程最难受的就是做测评吧，非常消耗时间而且好多家都是一样的题目，感觉像吃了shi一样。到目前为止投了大概500+，实际简历到hr手中的可能100左右，面试6家企业，这周还有四家，已经oc 2个外包。具体面筋可以看我主页，我也是第一次面试吧从3月中旬收到第一家开始，感觉也是非常紧张，最后反问面试官也说我有点紧张，加强一下表...

四段实习经历，三段大厂。。春招至今0面试。。。受到好大的打击啊

本科电子信息，开学就大三下了，把之前比赛项目写进简历了，但投了好多都没啥回应，请教大佬拷打。但这里简历第二个项目我一开始用的裸机，后面用rtos重写的，但对rtos我不太熟悉基本靠ai改的，万一问到我怕答不上来，请问这种水平可以先找个中小厂实习攒经验吗。

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...