投递了很多，给面的比想象中少非常多，第一周就三个面试，感觉有还比较KPI，整体没有什么意思，希望下周可以好一点京东（约的最后一个面试，感觉之前面试已经有人选了）1：拷打实验室项目2：拷打百度项目3：如何执行动态代码的（Java）4：场景题，给你两个机器，进行负载均衡，一个60%，一个40%，如何操作半个多小时结束，无算法，后续显示流程挂（10-20）亿规模量化1：为什么选择量化2：找工作看重什么3：实习过程中怎么协调的4：你最有成就感的事情第一次投量化，面的第一个量化公司，下周还有一个规模大一点量化的面试。这周这个公司比较奇怪，笔试完先hr面再技术面，星期五好像打电话过来，然后被我手机当作骚扰...

目标后端

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、LoRA 微调的原理LoRA 的核心思想是不直接更新预训练模型里的原始大权重，而是在某些线性层旁边增加一个低秩更新分支，用低秩矩阵去近似权重增量。假设原始权重是 W∈Rd×k，全量微调时直接学习ΔW，LoRA 则把它写成：ΔW=BA其中A∈Rr×k，B∈Rd×r ,，(r) 是远小于 (d) 和 (k) 的秩。这样前向计算就变成：h=Wx+ΔWx=Wx+BAx实际里通常还会加缩放项：这样做的本质是认为很多下游任务对大模型权重的更新其实存在低秩结构，不需要真的去学习一个完整的大矩阵。LoRA 的优点是可训练参数少、显存占用低、训练快，而且原模型参数冻结，方便多任务切换和权重管理。2、LoRA...