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...

说实话我当时秋招的时候就一个目标：必须进大厂。不是说小公司不好，而是我双非本，如果第一份工作再没个好平台背书，以后跳槽简历都不好看。事实上我把大厂投了个遍，笔试挂了一大半，面试又挂了几家，最后就拿了一个offer。过程确实很痛苦，但我觉得值。进来之后感受就是：流程规范、技术栈新、身边同事都很强，每天被卷但也确实在成长。而且说句现实的，大厂的薪资确实比同届去小公司的同学高出不少。当然我也知道大厂有大厂的问题，什么螺丝钉啊内卷啊，但我觉得对于实习来说，先进去学再说，后面想走随时可以走，但第一份工作的起点真的很重要。

简单的进行一下自我介绍说一下实习都干了些什么项目拷打：你在这个项目中遇到最难的问题是什么？你在实习中有没有碰到一些印象深刻的问题，并且是怎么解决的？根据我说的项目的的shader问题，问了我把不同材质的shader换成相同材质的shader特效是怎么做回来原来的特效的。场景优化是怎么做的？敌人状态机是怎么做的？面向对象的三大特性，说说你在项目中是怎么用到继承的。（这里问的比较少，不知道为什么）八股：说一说拆箱与装箱。如果在项目中不得不进行拆装箱，怎么做更好说一下泛型。说一下模板。问一个简单的值传递和引用传递的场景问题，就是int赋值的问题，那如果int改成string还会变吗？string是值...