恒生笔试莫名挂了

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...

从25年6月到现在，没停过，薪资依旧3k。求超越😼

首先是点赞评论转发量等用的数据结构是什么以及在并发情况下怎么计数用的是redis的哈希结构，大key就是这个文章这个帖子的id，值就是四个字段对应四个数字，通过这个语法进行增加减少这个increment他是redis对哈希结构操作的原子性操作，保证了数据在并发下的一致性一般会有个帖子的预热工作，就是用户点击后会先查缓存有没有数据，没有的话会查找数据库然后加载到redis里提高访问性能还有就是收藏，用户有没有收藏帖子初始化set，key是用户id，值是攻略的id，然后根据id拿到收藏数，然后如果收藏了点击就是攻略的收藏数减一，将这个set中这个攻略的值删除，反之；点赞设置了一天最多最多点5次，k...