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...

腾讯面试这个状态是啥意思

28届双非本科大二学生，计算机科学与技术专业的。目前准备找第一段实习，目标是后端开发，翻遍自己的经历后艰难凑了份简历出来，但是不知道能不能得到面试，恳请各位大佬批评。

第二次面试，表现也就比上一次好点，感谢依旧和善的面试官...请先做一个简单的自我介绍。你本科和研究生阶段都主攻网络安全相关方向，为什么选择投递软件开发和AI智能开发工程师岗位？在你的两个项目经历中，分别使用了Java 17和Java 21，请说明在技术选型时如何考虑Java版本的选择？是否应用了Java 21的一些新特性？请介绍一下你基于Spring Boot和Spring AI搭建的工作流编排平台，它主要解决了什么问题？用户从表达诉求到工作流编排的搭建，是完全由AI Agent自动完成的吗？你提到的“DSL”具体是指什么？请简要说明。在环检测中你采用了Kahn算法，是否了解其他方案？选择Ka...