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...

年前一面通过，后面问是否考虑外包岗位，撤回的消息说的是“没办法，学历是硬性指标”，难绷那你面我干啥呢，浪费双方时间，你早说是外包岗我还接你面试干啥😂

备战了几个月，刷了几十套大厂面经，把C++方向的高频考点全部整理出来了。华为、大疆、字节、地平线、海康、商汤、百度、腾讯、阿里，这些公司的C++面试题我基本都过了一遍，发现考来考去就是那些核心知识点。这篇文章把最高频的考点全部列出来，每个点都标注了考察频率，帮你把有限的时间花在刀刃上。一、内存管理（必考，几乎100%）堆和栈的区别栈：编译器自动管理，速度快，大小有限（默认8MB），局部变量和函数调用信息存这里堆：手动管理（new/delete），大小受限于系统内存，灵活但容易泄漏内存布局（必须背下来）text段：代码，只读rodata段：字符串常量、const变量data段：已初始化的全局/静...