京东方重庆设备工艺

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...

timeline过年前就约的年后三月份的面试2026 3.05 一面2026 3.10 二面（挂）2026 3.13 二面2026 3.16 hr面2026 3.19 口头oc2026 3.20 offer两道手撕无重复字符最长子串数组中能组成小于n的最大数字记录一下 不多写什么了 同时也感谢平台上以前发面经的佬们记录的一些手撕题目 刷一刷颇有成长

第 10 题：Chain-of-Thought（CoT）提示的原理与有效性 题目 解释 Chain-of-Thought（CoT）提示的原理及其有效性来源。 一、什么是 CoT 提示？ Chain-of-Thought（CoT） 是让模型在给出最终答案前，先一步步写出推理过程（“思维链”），再给出结论。有两种常见用法：  Zero-shot CoT：在 prompt 里直接写“Let's think step by step”或“请逐步推理”，让模型自己先写步骤再写答案。 Few-shot CoT：在 prompt 里给几个带中间推理步骤的示例（例如数学题：先写“首先…然后…因此…”再写答案）...