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

Timeline3.5一面3.8 二面3.12 三面3.18 hr面4.2 offer

入职互联网大厂大半年，我是部门唯一的本科生，亲身经历和身边人的对比，让我对学历在求职和职业发展里的分量，有了比学生时代更清醒的理解。今天想把这些真实感受，认真和大家聊一聊。首先我特别想反驳一个流传很广的论调：本科能就业就别读研。每次看到有同学明明有保研机会，却被这种说法忽悠着直接工作，都觉得特别可惜。结合技术岗的实际情况，我把市面上的工作大致分成两类：一类是真正的大厂岗位，起薪可观，更关键的是身边同事整体水平高，能接触到行业前沿的技术和成熟的体系，这段经历本身就是未来跳槽、晋升的重要背书，我把这叫作给自己构筑职业壁垒；另一类更像是单纯的体力消耗，薪资不高，工作内容重复且无成长，对后续职业发展几...