面了四五十分钟，无手撕，可能KPI面大部分时间在聊项目最近有学什么新知识吗，讲讲学了什么什么时候开始学习前端，学习方式是什么讲讲css中的盒模型js中的基本数据类型有哪几种讲讲Symbol是什么，平时使用过吗原型是什么，原型链是什么闭包是什么，应用场景有哪些，使用闭包会有什么问题如果使用闭包造成内存泄漏，怎么解决了解浏览器底层如何执行js代码吗讲讲js的事件循环大概就聊了这么多八股，其余全是项目深挖，力竭了。

这个它石是真的恶心，一天就给我结束了。看了一下JD，估计就是卡学历，非要985/211吐了。。。。

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...