多多跨境，超多岗位等你来！

timeline:3-25 boss上投递被一位善良的节节hr捞起，此时很激动，因为本人boss投大厂一直都是被已读不回or谢绝状态，但是hr看了简历问了base地没下文（很难受）3-26 面两家广州小厂，拿到两份保底offer，同时节节hr跟我约一面，感觉和做梦一样3.31 一面，当天下午约二面4.1 二面，面试中得知我们这边只用两面，下午面完等到晚上9点还没接到约hr面电话，含泪打开牛客想写一篇仅自己可见的emo文（因为为了字节，前面两份保底offer等不了我那么久，已经失效了，相当于字节没过，又得重新找实习，这段时间白忙活），这时低头看boss，发现有个hr要跟我交换微信，心头一惊，点进...

在boss上投简历，沟通和投出去的比例是12:1，是我简历不够好吗，还有什么能优化的地方

腾讯 京东oppovivo快手美团百度字节蚂蚁上面的厂都投了，有的直接简历挂了（快手  阿里挂的最严重），测评做了，有的给了笔试，但为啥大多都一直卡流程？卡在“简历筛选/评估中”，这是怎么回事？项目不行？还能找到实习吗？

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...