1. 因果推断在多模态训练里能解决什么问题，为什么不是普通相关性学习就够了多模态场景里最容易出的问题就是模型学到“看起来相关”的捷径，而不是任务真正依赖的稳定因素。比如图像里某类背景、拍摄角度、文本描述习惯，可能和标签高度共现，但它们并不是真正决定结论的原因。因果推断的价值在于尽量把这些混杂因素拆出来，让模型更关注跨环境都稳定成立的信号。如果只靠相关性学习，训练集上可能效果很好，但一换数据源、设备、标注风格，性能就会掉得很厉害。因果思路不一定意味着一定要上完整的因果图模型，也可以体现在样本构造、环境分组训练、反事实增强和不变风险约束上。它本质上是在问：模型到底学到了可迁移规律，还是只记住了数据...

求锐评简历，一个面试都没有

真的没法子了，彻底绝望了😑😑😑

四种负载均衡策略分别做了什么，lru在缓存里怎么用，一致性哈希，分别适用于哪些场景秒杀如何实现，redis数据如何和数据库对齐redis相对于其他存储的特性，有哪些常见使用场景redis常见数据结构，hash和set的区别，set底层redis持久化是怎么做的，最新版本用的哪一种分布式redis读写如何去处理，主从数据怎么同步Java抽象类和接口区别，一个类能实现几个抽象类，几个接口，抽象类里定义的东西和接口定义的是一个含义吗，接口里定义的方法和抽象类定义的方法默认的访问范围，抽象类代理的方法可以有具体实现吗，抽象类本身的方法有具体实现吗，接口呢，抽象类可以实现接口吗Java实现线程的几种方案...