确实有影响。HR朋友跟我说，颜值高的简历照片确实会多看两眼，但到了技术面，面试官根本不care你长啥样，只看你代码写得咋样。她说见过帅哥一面就挂的，也见过长相普通但offer拿到手软的。我自己的观察是：长得好看最多在边缘case时占点便宜。比如两个人水平差不多，HR可能会倾向于选形象好点的。但如果技术差距明显，颜值救不了你。真正的加分项是：整洁的穿着、自信的表达、良好的精神状态。这些比单纯的颜值管用多了。我每次面试都会提前理发、穿干净衬衫、睡够觉，感觉确实比蓬头垢面去面试效果好。所以别太焦虑颜值。把简历打磨好、技术学扎实、面试准备充分，这些比长得好看重要一百倍。

大四上学期在某厂实习了三个月，说说真实感受吧。进去之前幻想的是参与核心项目、接触前沿技术。实际上每天就是写一些边角需求，改改前人的代码，开不完的会。mentor人挺好但也很忙，大部分时间还是自己摸索。最大的感触是：大厂没有想象中那么光鲜。工位很挤，实习生能接触到的东西真的有限，很多核心代码权限都没有。现在春招我反而没那么执着大厂了，更看重具体做什么、团队氛围怎么样。实习过一次之后你就会发现，公司名字真的只是个壳子，每天干的活才是实实在在的。

timeline过年前就约的年后三月份的面试2026 3.05 一面2026 3.10 二面（挂）2026 3.13 二面2026 3.16 hr面2026 3.19 口头oc2026 3.20 offer两道手撕无重复字符最长子串数组中能组成小于n的最大数字记录一下 不多写什么了 同时也感谢平台上以前发面经的佬们记录的一些手撕题目 刷一刷颇有成长

1. 介绍一下你做的这个项目2. LoRA 的基本原理是什么LoRA 的核心思路是，微调大模型时没有必要把整个权重矩阵都更新掉，而是只学习一个低秩的增量。原始权重记作 (W)，微调后的权重写成：其中 (A) 和 (B) 的秩都很低，参数量远小于直接更新整个 (W)。训练时冻结原模型参数，只训练这两个小矩阵，这样显存占用、优化器状态和保存体积都会小很多。它适合做领域适配、指令微调这类任务，因为很多任务对模型的改动并不需要覆盖完整参数空间。LoRA 常见会插在 attention 的 q_proj、v_proj 上，有时也会加在 k_proj、o_proj 或 MLP 层。选哪些层，本质上是在表达...