1. 介绍一下你做的这个项目2. LoRA 的基本原理是什么LoRA 的核心思路是，微调大模型时没有必要把整个权重矩阵都更新掉，而是只学习一个低秩的增量。原始权重记作 (W)，微调后的权重写成：其中 (A) 和 (B) 的秩都很低，参数量远小于直接更新整个 (W)。训练时冻结原模型参数，只训练这两个小矩阵，这样显存占用、优化器状态和保存体积都会小很多。它适合做领域适配、指令微调这类任务，因为很多任务对模型的改动并不需要覆盖完整参数空间。LoRA 常见会插在 attention 的 q_proj、v_proj 上，有时也会加在 k_proj、o_proj 或 MLP 层。选哪些层，本质上是在表达...

难道前端真的已经不行了？

最近刷boss 投了一堆公司。公司画像员工100-500人，非互联网公司跟着AI热潮产生的岗位需求，多为AI agent开发/全栈开发，基本都是CTO/老板直接对接，流程混乱，要求线下面试，不报销路费，直接不感兴趣拉黑。现在的互联网开发，非进校园的线下面试本来就少，基本都是借助腾讯/飞书会议线上面。走线下反映两个问题：1. 内部能效极低，线上面效率不比线下高？ 2.不懂互联网工具，不会用好互联网产品，内部怎么做的好开发？ 3. 公司没有融资没有上市没有title，凭什么要浪费时间精力给你们线下筛选？这并不表示我们求职者好高骛远，行情不好就安心沉淀寻找方向，盲目的下注只会浪费自己的时间和资源。

一、三面（30min）针对实习经历接着询问学过Go语言吗？能实习多久？最早什么时候能到岗？有没有留用诉求？ 反问咱们部门和Agent相关的核心业务、具体落地场景有哪些？和剪映核心能力是怎么结合的？咱们团队当前在Agent业务上，最核心的业务难点/待突破的方向是什么？团队内的同学在做业务遇到技术卡点时，通常会通过哪些渠道寻找解决方案、激发技术灵感？咱们部门有没有和AI相关的核心业务指标，比如AI贡献率、代码出码率这类量化要求？如果我有幸入职，团队对新人前1-3个月的培养路径与核心产出要求，有没有明确的规划？二、HR面面试题（一）个人基本情况与实习稳定性考察你是哪里人？对面试岗位的base地是否有...