笔试时间：2026年3月25日往年笔试合集：2023春招秋招笔试合集2024春招秋招笔试合集第一题：乱序数据解析题目小红书数据库中有用户编号、用户名称和用户经验三个字段，其中：用户编号为 1 到 10^9 间的整数，且唯一；用户名称为长度不超过 10 的非空字符串，且仅由小写字母构成；用户经验为 1 到 10^9 间的浮点数。现在，你已经获取到了 n 条用户数据，每一条用户数据由：用户编号、用户名称、用户经验三个部分组成，但顺序是混乱的。请按照：用户编号从小到大排序并将排序后的用户数据按照：用户编号、用户名称、用户经验的顺序输出。输入描述输入一个整数 n (1≤n≤10^5)，表示用户数据的数...

何意味😄

牛友们，都说春招对于我们这种学院本会更友好，为什么boss上都是直接回复不合适，连简历都没机会发出去，牛友们能看看这个简历有什么问题吗。

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...