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...

暑期后端，面了1h10min，无八股，没提过点评。好歹是最想去的厂，看了网上的面经直接吓哭了，准备了半天计网机遇。本来以为项目很对口部门，想着被好好拷打一番进步的心态进面试了，问到最后只有一脑门子问号。1️⃣聊天十分钟，问实习时间，稍微说了说AI。2️⃣然后开始对着项目的犄角旮旯问，完全不问技术栈，也不问任何知识点，就纯问，问这一个项目到底是干啥的。值得提的: 问了这个项目有没有需求，要是想让我用你会怎么推销。3️⃣其中盯着分片上传断点续传一直叽里咕噜问了半小时，感觉我吟唱太快了，面试官没听懂怎么个流程，没怎么对上脑电波。每个阶段的每个小细点都要细问一下分片丢了咋办，一层还行，多层套多层丢失我就晕了，不知道在问什么，只能说说终归到底是对账的思想。算法整了道非hot100，说了思路，让写个函数行了。这块也是聊天，嘴都没停过。你说是kpi吧，问了我一小时。你说不是，复盘我空茫然半天，也不知道到底是问了点啥。面试官很严肃，就是我总想笑。高情商来说，其实很考察了我有没有思考和临场发挥能力，有一种应试教育了半天突然给我塞了一口你要被快乐教育的感觉。反问: 说我简历挺好的，算法还得练，有一定思考但还不够深。

遇到一个民科乐子，最难绷的一集。

额全程无八股无项目，纯做题，给我整无语了手撕是快排链表