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...

面试官史上无敌温柔，也很专业，之前面字节都给我面到怀疑人生了，面经不分先后，不完整相互介绍聊聊项目秒杀券怎么实现分布式锁，可重入，锁超时消息队列的消息挤压问题可以设置很多consumer吗消息队列怎么保证消息可靠redis的数据类型大key怎么解决，有什么危害多线程的并发工具有哪些concurrenthashmapunsafe了解吗算法：全排列mysql主键什么类型为什么自增索引的底层原理是什么自增除了方便索引还有什么用

从三月初断断续续面到现在，也有十几场面试了，但都是一面挂。有几场感觉回答的也很好，但两三天以后依然挂，不知道怎么办了，很焦虑。下周有场腾讯科技和阿里控股，感觉大概率是一样的下场 求大佬支个招