1. 什么是 LoRA？LoRA 全称是 Low-Rank Adaptation，核心思想是在微调大模型时不直接更新原始大权重矩阵，而是冻结预训练权重，只额外学习两个低秩矩阵，用这两个小矩阵的乘积去近似原权重的增量。原来如果某层权重是： W ∈ R^(d×k) LoRA 不直接学习 ΔW 的完整矩阵，而是写成： ΔW = B A A ∈ R^(r×k), B ∈ R^(d×r), 且 r << min(d, k) 最终前向变成： h = W x + ΔW x = W x + B A x 这样训练参数量会大幅下降。2. LoRA 的思路是什么？LoRA 的基本假设是：大模型在迁移到下...

ClaudeCode是真好用啊，谁懂啊不知道ClaudeCode 为什么这么恨老中

写过熟练掌握 AI 开发、精通框架运用，面试被深挖底层原理瞬间卡壳。空有项目搭建经验，缺乏深度源码理解。面试临场勉强含糊带过，事后立刻精简简历话术，夯实技术基础，拒绝过度美化。