如标题所言，博主本人之前投日常的时候没有笔试，基本只要给面就能过，不谈横向，这个跟我们面试本身没太大关系，至少面试本身我发挥绝对是可以的，自己在这方面还是比较自信，自认为有点实力的，但是暑期实习很多公司设有笔试，发现笔试真的无力的感觉，就怎么学都学不会，至今为止，米哈游、协程、拼多多、小红书、华为都是笔试挂（携程显示在流程中，但已经过了这么长时间，其实就是挂了），甚至在华为机试前一周，还刷了一周的牛客华为真题，但就算如此，华为机试只考了180分（今年200过线），只能遗憾离场。有人问，大厂面试的时候有手撕，那我手撕怎么过的？怎么说呢，因为我力扣刷的比较多，刷了400道题，所以我面过的试中，只有...

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

投递：23家面试：6场offer：1个目前状态：等面试总结：拿了个保底offer心态稳多了，继续冲更好的

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...