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...

无实习加一般学历，求简历拷打

能的兄弟，能的，一天200k我肯定干

之前快手实习的时候在电梯里面听到一个老哥问另外一个老哥，面试的时候问什么怎么招什么类型的候选人。那老哥也是坦率，直接说看眼缘，聊得来就行。无论是之前这个快手这个面试官还是现在我认识的很多面试官，绝大多数面试官在面试的过程中多少都会代入部分自己的主观判断。 很多技术岗的小伙伴和我以前一样，只搞技术不在乎其它的一些地方，但是不是每个人都能用绝对的技术来征服面试官的 ，所以很多非技术的点在找工作的时候也很重要，这些非技术的点好似润滑剂，有了润滑剂会让你的求职引擎转动起来更加的丝滑。简历上的图片简历照片的重要性：看过很多人的简历图片和当初博主求职的时候一样，用的大一甚至高中的照片，这里非常推荐如果有时...