结束秋招

快手—商业化—外循环业务，Java后端，做广告投放，类似短视频穿插广告百度—acg—分布式计算，Go，k8s，做GPU资源调度，涉及一点Agent，AI Infra提效个人倾向于转正率高的，不要太卷。uu们可以畅所欲言给点建议

这个岗是不是无了呀，怎么一直卡着😢😢引流：腾讯、字节、阿里、拼多多、小红书、滴滴、小米、华为

大概六个平台，投了快小一千份了，一个约面没有。目前是在实习，转正答辩已过，但是工资只有5k，想找8k左右的，求大佬们拷打一下😩目前在贵州，想去深杭。

第 15 题：LoRA（Low-Rank Adaptation）的数学原理 题目 解释 LoRA（Low-Rank Adaptation）微调的数学原理。 一、动机 全量微调大模型要更新全部参数，显存与算力成本高。LoRA 假设预训练权重在适应新任务时，有效更新是低秩的，因此只学习一个低秩增量，与原权重相加得到适应后的权重，从而大幅减少可训练参数与显存。 二、数学形式 设某层线性变换为 ，。LoRA 不直接改 ，而是增加低秩分解的增量：  其中 ，， 为秩。前向时：   训练：只训练 、， 冻结；参数量从  变为 。 推理：可把  算好存成一张矩阵，等价于单层线性，无额外延迟；或保留  分开算...