投了新凯来的嵌入式软件开发岗，没想到一面就挺有深度的，面试官很专业，问的方向偏底层驱动和系统，基本上把嵌入式的核心知识点都覆盖了一遍。整体节奏不算快，但每道题都会追问细节，感觉不背八股是真的过不去，建议大家好好准备一下原理性的东西，光会用不够。总结嵌入式系统启动流程是怎样的？从芯片上电到main函数执行，中间经历了哪些关键步骤？讲一下你用过的RTOS，它的任务调度机制是怎样的？如何保证实时性？volatile关键字的作用是什么？在嵌入式开发中哪些场景下必须使用它？DMA是什么？在什么场景下使用DMA可以显著提升系统性能？I2C、SPI、UART三种通信协议各有什么特点？分别适用于哪些场景？中断...

简历改了又改，给个笔试也行啊

一开始签了个AI coding什么的，当时想欸这么好可以用AI？（似乎那个AI coding是ai面试？）然后再看又是切屏不计入，又是允许本地IDE，干脆直接chatgpt启动了出来和大家讨论发现好像不能用AI上小红书搜发现这么干的不是少数，尤其是本地IDE直接是cursor和trae的而且发现这个问题去年秋招就有人问过，更离谱的是当时有的人问HR，有的HR说可以有的说不可以现在发了邮件去问招聘团队了，感觉是细则没写清楚要是直接说不能用不如直接签到题走人更省时间

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...