在 AI 时代，是否还需要刷力扣，其实答案很现实：需要，但方式要变。一方面，AI 确实可以帮你快速生成代码，甚至给出最优解思路，但面试场景并不会因此消失。很多公司依然保留“手撕代码”环节，本质上考察的不是你会不会写答案，而是你是否真正理解数据结构与算法、是否具备清晰的逻辑表达能力。在没有 AI 辅助的白板或在线面试中，这些能力无法替代。

java岗位300沟通0回复，然后改成纯golang的简历了。几十个沟通8个要了简历，只有一家山东的公司给了面试。大部分投的都是成都的，但是最后回复的基本都是外地的，是我简历写的有问题，还是说成都28届就是这样的。

绷不住了

1. 大模型微调的完整技术方案与工程落地细节采用 LoRA 参数高效微调方案，仅对 Transformer 的 Q/V 投影层添加低秩矩阵，冻结底座模型参数。训练时设置秩 r=8、缩放因子 α=16，使用 AdamW 优化器，学习率 2e-4，配合余弦退火学习率调度与梯度裁剪。工程上使用混合精度训练、分布式数据并行，提升训练效率，训练后合并 LoRA 权重，不增加推理延迟。 import torch import torch.nn as nn class LoRALinear(nn.Module):def __init__(self, in_features, out_features, r=...