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...

感觉我的简历在本科生中也不算差，面试的时候八股和算法只要不挖的太深都回答的上来，为什么老是被一面挂😭最近被一面挂麻了，即使问了面试官对我的印象说还不错也仍然被一面挂，真有点怀疑人生了😭

是简历有什么问题吗，求大佬指点要玉玉了

ps：如果这篇帖子对于还在找工作和找实习的你有所帮助，可以关注我，给本贴点赞、评论、收藏并订阅专栏；同时不要吝啬您的花花雪花算法（Snowflake）时钟回拨的核心成因是系统时间倒退（NTP校准、虚拟机恢复、手动调时等），导致新ID时间戳小于历史时间戳，引发ID重复。主流解决方案按从基础到终极分层，兼顾可用性与唯一性，核心策略如下：一、基础方案：等待时钟追平（最常用、生产首选）核心原理检测到回拨时，主动休眠等待系统时间追上历史时间戳，再继续生成ID，零风险保证唯一。实现逻辑记录lastTimestamp（上次生成ID的时间戳）生成新ID时，对比currentTimestamp与lastTime...