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...

双非本科，靠着字节、百度、蔚来三段实习一路撑到春招，到现在才真正认清现实。一封封感谢信砸过来，慢慢明白，学历和学校带来的门槛，远比几段光鲜实习要重得多。最让人无力的，莫过于拼尽全力刷实习、攒经历，最后却连一个入场机会都换不来，那种落差感真的太磨人。总自以为是地觉得，有大厂实习就够了，一定能挤进心仪的公司，可现实一次又一次把幻想击碎。现在的我，早已没了春招初期的锐气，只剩下满心的迷茫和惆怅。不知道是该坦然接受现实，还是继续抱着不切实际的期待，在大厂的梦里不肯醒。

一直觉得自己的样貌介于“路人”和“不算很丑”之间，也没有捣鼓自己脸和穿搭的习惯，无论面试或路演还是旅游又或者现在的上班，除了见客户会比较正式，其他时间都收拾收拾像个人算了…最近一次也是最为震撼的一次关于容貌颜值的点评，是在去年的培训；HR老大严肃地说，因为业务岗位的特殊性，他们确实会筛选掉不好看的人，商务的形象非常重要…我大为震撼，环顾一圈看着那些高学历的俊男靓女，彻底红温几乎想要原地逃跑看来面试时展现出的能力确实能弥补颜值上的不足回到正题，所以客观来说，长得好看确实能在一定程度上提高面试的通过率，因为长相过于抽象大概率一开始就被筛掉了。但是美貌+任何牌都是王炸，只有单出是死局，能力不足再好看也没用哦～提升自己长相的加分点操作有很多，不一定纯吃天赋建模，大部分人保持干净卫生就已经能拿好及格分了嗯我大学时曾经想健身变成肌肉女来加分，于是美美爽吃一学期变成死肥宅后，发现工作后完全没时间健身撸铁…

1. 自我介绍2. 项目里怎么做意图识别，如何理解用户真正要解决的问题意图识别不是简单做文本分类，而是把用户输入转换成系统能执行的任务。比如用户问“这个供应商最近还能不能继续合作”，表面上是一个问答，实际上可能需要查询供应商资质、历史履约、黑名单、逾期付款、合同违约记录和采购金额变化。这里要识别的不只是意图标签，还包括业务对象、时间范围、风险类型和是否需要调用工具。工程上我会分成三层。第一层是规则和实体识别，先提取合同编号、供应商名称、采购单号、金额、日期这类强结构化槽位。第二层是模型意图分类，判断是合同审查、条款解释、供应商风险、付款异常还是流程咨询。第三层是置信度和兜底，如果置信度低，就让...