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...

目前0大厂面试睡觉前看了会八股还有牛客感觉自己太菜了一不小心熬穿了，天都亮了

双非学校， 八股大概看了一遍，该去投中大厂吗，还是继续沉淀再投。

背景：本人24届，一战考研失败，毕业后参加考公最终下岸，本科就读双非目标院校，专业是网络工程，计算机专业方面的课程都学过，但是无实习经历无工作经验。在考公下岸后，我大概花了两个星期复习了C++，接着由花了两个星期刷完了力扣hot100的题目。在这之后，我联系到了栗栗姐，随即开始准备笔试和面试。 机考：花了两个多星期刷题，题库大概刷了100多道吧。机试前最好熟悉ACM的输入输出模式，如果只用过力扣的核心代码模式还是比较吃力的。精准核酸检测(100)图搜/BFS贪心的商人(100)贪心算法，参考力扣的122题简单的解压缩算法(200)字符串处理/栈综测：往积极乐观的方面选就行了，注意前后一致。 资...