1. 模型训练里你怎么在全参微调和 LoRA 之间做选择这个问题我一般不会只从显存够不够来答，而是会结合任务复杂度、分布偏移程度和上线方式来讲。全参微调的优点是表达空间更大，适合任务分布和原模型差异比较大的场景，比如领域知识很重、输出风格和推理路径都要明显改造的时候，它更容易学到深层适配；LoRA 这类 PEFT 方法更适合成本敏感、实验迭代快、模型版本频繁切换的场景，特别是多任务并行或者多租户配置时，管理上会轻很多。如果任务本质上是在原模型能力基础上做轻量偏移，比如格式约束、领域术语补强、特定工具调用习惯，LoRA 往往就够了。反过来，如果发现训练后模型虽然会答，但深层行为模式改不动，比如推...

想找个暑期实习，求大佬们拷打简历

你在leetcode上练的都是死代码能力🤣

室友今天问我：你怎么投简历投这么快的？ 她看我十分钟投了三家，以为我简历写的很短（不是！） 解释了一下，就是用了网申助手，把重复填表这部分省掉了。 简单说一下是什么： 牛客出的Chrome插件，把基本信息录进去一次（姓名学校专业项目经历这些），之后打开任何网申页面，点一下自动填，不用每次重新输。 我投的这几家都能用：字节、腾讯、美团、阿里、网易、快手，大厂没遇到问题。 【我的用法】 早上统一开几个网申tab，插件自动填好，我逐个检查开放题（自我介绍/为什么选我们要自己写），确认没问题提交。 以前投一家要15分钟，现在五家加起来20分钟，剩下时间拿去背面试题。 【缺点也说一下】 个别小厂识别失败...