第 15 题：LoRA（Low-Rank Adaptation）的数学原理 题目 解释 LoRA（Low-Rank Adaptation）微调的数学原理。 一、动机 全量微调大模型要更新全部参数，显存与算力成本高。LoRA 假设预训练权重在适应新任务时，有效更新是低秩的，因此只学习一个低秩增量，与原权重相加得到适应后的权重，从而大幅减少可训练参数与显存。 二、数学形式 设某层线性变换为 ，。LoRA 不直接改 ，而是增加低秩分解的增量：  其中 ，， 为秩。前向时：   训练：只训练 、， 冻结；参数量从  变为 。 推理：可把  算好存成一张矩阵，等价于单层线性，无额外延迟；或保留  分开算...

是我写的代码太烂了吗

东方财富一面是否做过后端，用过哪些后端语言（我：做过一些，主用 Node.js（Express/Koa），也用过 Python 的 Flask，Java 的 Spring Boot 接触过但不深。数据库方面 MySQL 和 MongoDB 都用过，不过我的主方向还是前端，后端主要是配合项目开发。）nodejs、TypeScript、React 是否了解（我：都比较熟。React 一直在用，函数组件和 Hooks 是日常，Next.js 也用过。TypeScript 最近的项目都有引入，泛型、工具类型这些都常用。Node.js 除了写接口，还在项目里做过 SSR 和中间件封装。）前后端区别（我：...