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...

hr先为昨天的delay道歉了，态度很温柔也很专业。主要问一些压力的克服实习内容与成长，困难怎么克服到岗时间与实习时长为什么不考研先打了个mentor和leader比较忙的预防针反问：工作节奏，offer时间

这简历还有啥需要改改的吗，黑m的天机学堂要学学吗，还是就这样投，投日常有希望没，投不到是不是秋招没希望了😭

全程大概是45分钟，面试官非常的和善，提问的时候会把自己的问题讲的很明白，会复述你的回答，double check问答是否有理解错误，感觉考察的是对于整个项目的了解程度，而不是简单的问你使用到了什么技术，所以还是要深挖自己的简历自我介绍实习项目穿插着八股1、登录页面怎么做的2、后端传过来的jwt存在哪里为什么放在cookie里，放在local storage里怎么携带的3、sessionStorage和localStorage有什么区别4、除了这种缓存还有其他的缓存手段（我答了协商缓存、强缓存）5、协商缓存和强缓存下浏览器的请求行为，协商缓存的相关字段+状态码6、大文件上传怎么做的7、为什么要...