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...

目前0大厂面试睡觉前看了会八股还有牛客感觉自己太菜了一不小心熬穿了，天都亮了

拼多多集团-PDD2026实习生招聘】内推链接：https://careers.pddglobalhr.com/campus/intern?t=aUGDhRcP8r，内推码：aUGDhRcP8r。通过此链接投递计入内推，内推简历优先筛选~）   职位与职责（可以点击链接查看详细信息）   大模型算法实习生     -》 内推链接：https://careers.pddglobalhr.com/campus/intern/detail?t=UUXPCPyzzd，内推码：UUXPCPyzzd 服务端研发实习生      -》 内推链接：https://careers.pddglobalhr.com...