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...

offer审批等了三天今天终于下来了，一个不好的消息就是暑期变日常了，但是hr说还是可以转正，感觉转正机会还是很渺茫的听说也是晚上十点十一点下班

前几天投了零跑的嵌入式岗，岗位是整车嵌入式软件开发方向。说实话投之前没太当回事，觉得一面应该就是走个流程，结果直接被打脸。面试官上来先让自我介绍，我刚说完项目，他立刻开始顺着项目往里挖，通信协议、任务调度、实时性保障，一个接一个，完全没有喘息的机会。整场面试大概50分钟，题量很大，而且很多题不是考你背没背过，而是直接问"你们项目里是怎么做的"，没有实际经验的话很容易被问到卡壳。零跑现在在车载嵌入式这块投入很大，整车OTA、域控架构、AUTOSAR这些都是重点方向，感觉他们对候选人的要求不只是会写代码，更看重你对整个系统的理解深度。把题目整理出来给大家参考，备战车企嵌入式的同...