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...

暑期实习投了十几天，能投的都投了，一个面试没有，pdd，快手，小米直接挂，不然一直都泡池子，简历还能怎么改进吗，后端还是太卷了

幸亏看到这个帖子

很简单的一面，速通了，当天约二面简历里提到了三套可替换的登录逻辑（单JWT、JWT+Redis、Session+Redis），为什么要去做这三套？你的考虑或者想法是什么？如果项目中依赖的 Redis 宕机了，这几种登录方式你是怎么考虑应对的？有什么备用方案吗？简历中提到秒杀有同步和异步两种方案，能具体说说你对这两种秒杀方案的思路和整个想法吗？简历中写到了布隆过滤器，并且单独提到了一个“1.82%”的拦截率数字，请问这个数字是你实际测试出来的吗？手撕：lc1291 顺次数