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...

是我写的代码太烂了吗

总时长35分钟，无手撕，感觉遇到KPI面了，唉35分钟一直在问实习，八股就问了下面的1.redis与数据库的缓存一致性2.redis的zset数据结构3.redis的两个持久化机制4.分布式cap理论5.什么时候ap，什么时候cp6.进程线程协程问怎么没手撕，说一面撕过了，业务是应用宝游戏商城，后面过了还有一面技术面，问面试表现，说挺顺的，可以再关注一下运维数据，然后问转go有难度嘛，就结束了

一、Git 是什么？与 SVN 有什么区别？对比GitSVN类型分布式版本控制集中式版本控制离线工作✅ 支持❌ 必须联网分支操作轻量、秒级切换较重、慢提交速度快（本地）慢（依赖网络）数据完整性SHA-1 校验较弱典型平台GitHub、GitLab—二、Git 的四个工作区域？区域说明工作目录实际编辑文件的目录暂存区准备提交的文件本地仓库本地版本库远程仓库GitHub/GitLab 等远程服务器 ┌─────────────┐ git add ┌─────────────┐ │ 工作目录 │ ───────────→ │ 暂存区 │ │ Working Dir │ │ Staging │ └──...