📍面试公司：猿辅导🕐面试时间：4.20💻面试岗位：Android开发工程师🙌面试感想：看邮件里面只约了30min，以为没有什么难度，然后就掉以轻心了，因为确实是不太熟悉Android相关的，想说问到就摆烂了，所以还是挺吃力的，最后还是面了1h左右。❓面试问题：0.面试官介绍业务（挺好的，很大程度上帮助了我对这个部门的业务了解）——3min1.自我介绍（经典背书环节）——5min2.问项目。因为本人的实习经历和项目比较杂乱，所以他确定了一下我的技术栈。可能后续便于针对这个技术栈提问八股（大概10min）——————————————————————————————————八股环节：3.C+...

真没招了，没人要

小米oc了，但是在犹豫去不去。如果接受的话，小米正职待遇太差了，而且也不是互联网大厂，不确定这段经历对于秋招的背书有多大。算上餐补实习薪资5100，感觉太低了，并且岗位是中台开发，会干一些杂活，而且没有专门的mentor，和纯后端有一定区别。但是如果不接受的话，害怕接下来找不到好的offer，暑期0offer。图一是我简历上的项目和所学知识，图二是JD。实习的岗位不垂直，对秋招帮助大吗，该不该去，去了之后能胜任任务吗？

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...