1、LoRA 微调的原理LoRA 的核心思想是不直接更新预训练模型里的原始大权重，而是在某些线性层旁边增加一个低秩更新分支，用低秩矩阵去近似权重增量。假设原始权重是 W∈Rd×k，全量微调时直接学习ΔW，LoRA 则把它写成：ΔW=BA其中A∈Rr×k，B∈Rd×r ,，(r) 是远小于 (d) 和 (k) 的秩。这样前向计算就变成：h=Wx+ΔWx=Wx+BAx实际里通常还会加缩放项：这样做的本质是认为很多下游任务对大模型权重的更新其实存在低秩结构，不需要真的去学习一个完整的大矩阵。LoRA 的优点是可训练参数少、显存占用低、训练快，而且原模型参数冻结，方便多任务切换和权重管理。2、LoRA...

目前面过腾讯和字节的前端，一面均挂，投其他公司没消息😓，有没有大佬指点一下

最近在准备校招，研究了一堆AI Agent相关材料，把最有用的几篇整理出来分享给大家。 如果你也在准备AI方向的岗位，这些思路应该对你有用。 📚 必读材料整理 1️⃣ Agent架构必知：从 Prompt 到 Context  来源：阿里云开发者社区  Agent技术的本质升级：Prompt是静态任务入口，Context是动态智能基座。 三阶段架构升级：  V1.0：单一Prompt驱动 V2.0：工具调用 + RAG增强 V3.0：多智能体协同 + 动态Context管理  面试高频考点：记忆管理、推理策略、工具编排、多智能体协作框架 2️⃣ 智能体如何“看懂”界面，精准找到“人想要”的对...