想问问各位大佬，简历筛选一般得多久

连着两次面腾讯都遇到了喜欢横向的组，神了，好b溃，要就约面，不要就挂了，我好下一面呗。为啥老是喜欢拖我搞心态年前面pcg前端，三面一直不约，两周自动挂年后面teg测试，周一面一面，周五约二面，二面面完到现在又一周了，也是不约面又不挂，大家面腾讯都这样吗😢

面试越松弛，结果往往越好。面试的自我介绍环节，哪怕是提前演练过无数遍，也切忌生硬背诵准备好的稿子。这种过于规整、毫无停顿的表达，面试官听来会格外疲惫，密集的表述没有留白和契合点，会让面试官找不到插话的切入点，也难以快速抓取核心信息。最后大概率只能低头浏览简历，从项目经历里找后续提问的方向，本该主动掌握先机的自我介绍，就这样白白浪费了。一场优质的面试，自我介绍的核心是埋好 “钩子”—— 用有亮点、有细节的表述引导面试官的提问，让对方从一开始就对你产生印象，后续的沟通也能顺着你埋下的线索展开，自然就能掌握面试节奏。先说说常见的负面案例，作为面试官，经常会遇到这样的情况：求职者沟通的语气语调过于一本...

看到大家都约面了 要好好准备了

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...