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...

暑期实习投了十几天，能投的都投了，一个面试没有，pdd，快手，小米直接挂，不然一直都泡池子，简历还能怎么改进吗，后端还是太卷了

26届本科，这样的简历春招能拿到offer吗

大家好，我是@程序员花海，上周我出过2篇完整从后端转Agent开发的学习路线，也收到了广大牛友的好评，感谢支持！其中一篇关于Agent的面试题更是登上了牛客榜第一，感谢各位的支持！往期文章：1.都在找Agent开发，我整理了80道相关的Agent开发面试题。：https://www.nowcoder.com/discuss/867373725035872256?2.26年全网最全Agent学习路线，拿走不谢！：https://www.nowcoder.com/discuss/864821937527128064?sourceSSR=users3.关于后端和Agent开发，聊聊我的看法：http...