求助!如图，大小公司该如何选择呢？

1，近，但也需要租房，来自农村。薪资8k，全栈，嵌入式开发。小微企业，目前来看项目比较稳定，可以签1-3年。2，中软国际外包，目前准备签1年，8k，社保缴纳基数比较大，嵌入式测试，据说项目稳定，但换岗升职难度大。

1. 大模型微调的完整技术方案与工程落地细节采用 LoRA 参数高效微调方案，仅对 Transformer 的 Q/V 投影层添加低秩矩阵，冻结底座模型参数。训练时设置秩 r=8、缩放因子 α=16，使用 AdamW 优化器，学习率 2e-4，配合余弦退火学习率调度与梯度裁剪。工程上使用混合精度训练、分布式数据并行，提升训练效率，训练后合并 LoRA 权重，不增加推理延迟。 import torch import torch.nn as nn class LoRALinear(nn.Module):def __init__(self, in_features, out_features, r=...

嵌入式开发，内存比算力更稀缺，内存相关问题是必考题。面试官拷问重点：你的 AI 模型占用多少 ROM、RAM？运行过程中有没有内存溢出、栈溢出、内存碎片问题？如何长效管控内存资源？MCU、低端 MPU 内存空间极小，AI 模型权重、特征图、图像缓存极易挤占内存，稍有疏忽就会死机重启。回答时要给出具体占用数值，区分静态内存与动态内存消耗。讲解实操解决方案：全局内存池管理、动态释放临时缓存、限制特征图最大尺寸、裁剪模型中间层参数。针对长期运行的设备，重点说明如何规避内存泄漏，定期回收无用资源，减少碎片化内存堆积

更偏推理基础、工程细节和 CUDA 手写题这场百度 AI Infra 一面，整体感受是节奏很快，前半段主要围绕简历里的项目和实习经历往下问，后半段会明显转到一些更偏推理基础和工程理解的问题，最后还加了一道 CUDA 的手写题。面试官一开始先介绍了团队，说他们在百度智能云下面，训练、推理、强化学习、Agent 这些 AI Infra 相关方向基本都覆盖到了，所以一上来的感觉就是，这不是只盯某一个小点的岗位，而是一个工作面比较宽的 Infra 团队。正式开始之后，前面还是从我现在做的事情切进来，重点还是摩尔线程这段实习。面试官先问我怎么理解自己在做的这个 TensorFlow MUSA Exten...