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...

27届双非本计算机专业，感觉前后端挤满了人 ，于是转AI产品经理 ，学习相关知识 ，做项目改简历，但是投了半个月简历，打招呼了1k➕，只有3个约我面试，还都是那种0-20人的公司，我感觉有点不靠谱，我觉得怎么也得是中厂啊…是简历有问题吗，求指点，还是现阶段没实习没学历的我只能先去这种公司

一、内核中申请内存有哪几个函数？有什么区别？1. kmalloc：分配的物理地址是连续的，一般只能分配 几百 KB void *kmalloc(size_t size, gfp_t flags) // 示例：使用 __GFP_ZERO 标志分配并清零内存 void *ptr = kmalloc(512, GFP_KERNEL | __GFP_ZERO); 2. vmalloc：虚拟地址连续，但物理地址是离散的，可以分配上 G，可以申请大块内存。 void *vmalloc(unsigned long size) 3. dma_alloc_coherent： 主要是为了在 DMA 操作中确保数据...