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...

过了，云智真tm香啊。😜

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

🕐投递时间：2026.3.05一面🕐面试时间：3.11❓面试问题：（不要按简历自我介绍了，直接回答）对新闻部门有什么了解，用过哪些新闻app，有什么看法，除了简历上的技术栈还有额外的技术栈吗共享屏幕看看项目，你介绍一下你这个简历上说页面加载速度提升25%，可视化模块交互流畅度达95%以上，怎么得到的高效解决30+业务bug，如何做到这么高效插件长期运行内存用量降低30%，怎么降低的你说用pinia，但是也有用vuex，用pinia是出于学习目的还是有其他考量前端学习路线，项目是25年的，vue3已经普及为什么选择先学vue2vue2和vue3的区别前端频繁DOM更新易引发性能问题且需 兼顾...