star法则如何拆解项目经历 ⬆️接上篇 A（行动） 1. 针对本校180+名学生开展问卷与深度访谈，梳理出信息不对称、交易安全、售后纠纷三大核心痛点； 2. 分析竞品（闲鱼、校内同类小程序）短板，明确产品定位：轻量化、强信任、高便捷的校园封闭场景二手平台； 3. 搭建产品核心模块：身份认证、商品发布、智能分类、线下自提、信用评价、交易担保六大功能体系； 4. 输出产品需求文档（PRD）、功能流程图、高保真原型，明确交互逻辑与业务规则 5. 制定冷启动策略：以毕业季书籍、电子产品为核心品类，依托校园社群低成本获客 R（结果） 完成全流程产品方案，覆盖20+核心页面、50+功能点，逻辑可直接落地...

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...