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...

Timeline3.5一面3.8 二面3.12 三面3.18 hr面4.2 offer

0实习，春招能拿到offer吗，  孩子要哭了🥹🥹

嵌入式能拿下那么多 offer，从来不是靠“会点单片机”这么简单，而是靠一整套扎实到能打穿面试的能力体系。第一，基础必须硬。C 语言不是会写 if/for 就够了，指针、函数指针、结构体对齐、内存布局、volatile、const 的本质、栈和堆的区别，这些都要能讲清楚底层逻辑。很多人死在“看起来会写代码，但解释不清为什么这样写”。面试官要的不是语法熟练工，而是能理解编译器和内存行为的人。第二，数据结构不是摆设。链表、队列、栈这些在嵌入式里是常用工具，而不是考试题。你要能在没有 STL 的情况下自己实现，并且知道时间复杂度、使用场景，以及在资源受限情况下如何取舍。比如环形缓冲区、内存池，这些都...