一面：感觉没问什么像是被迫来面试我的二面：被拷打完了1.这个skill是怎么测评的？（被说明做这个没有意义）需要有一定的指标，比方说之前生产图片的质量不行，人为进行标注可利用率65%，之后调用完了可利用率到达80%作用，效果非常可观；具体指标这个得根据需求来说，需求覆盖哪些风格，哪些镜头，甚至一致性的，对应出一系列的测试集，可以人工评测也可以用模型去评，重点是评测数据结果。2.最后用户的使用数据？没有评测数据，也没有用户的使用数据，那你这个东西做了和没做有什么区别？？命中率是如何提升的？3.所做的任务对于命中率的贡献是多少？4.工作有问题，对结果并不敏感，做了和没做一样。反问：公司的评测标准是...

大公司进不去，小公司天花板，本人很想找一个能进的中厂而且有发展前景的，求大佬指点！！！把我收了吧！😭😭😭

0实习，春招能拿到offer吗，  孩子要哭了🥹🥹

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...