农行北京研发中心面试海不海啊，

30min，无算法，无八股，全程问项目......项目来源、部署方式，以及你做了哪些优化？如何思考这些优化？ 为什么引入 SPI？解决了什么问题？适用于什么场景？ 秒杀整体方案是怎样的？（同步 vs 异步） Redis + Lua 在秒杀中的作用？如何保证原子性、防超卖、一人一单？ 为什么要引入 MQ？在系统中起什么作用？ MQ 消费失败会带来什么问题？如何解决？ 如何保证 MQ 的可靠性？ 如何监控 MQ？出现问题如何快速定位？ 如果 MQ 出问题，系统如何降级？ 如何设计高可用方案（如 Consumer、集群、容灾）？ 秒杀系统中哪些需要强一致性？哪些只需要最终一致性？ AI 项目整体架构...

这种简历可以吗想进个小公司就可以了，只想有个稳定的工作有点结巴

投了2000份简历一个面试都没有，有友友看看简历吗😭自我感觉写的比较好了，连小厂也不约面

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...