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...

无实习加一般学历，求简历拷打

何意味😄

1.算法题，判断数组左右大小2.笔试完大概等了20多分钟吧，跳到HR和技术面试间3.英文自我介绍，只有一分钟，背了一半说好了4.英文问题(跟我看的面经完全不一样，我准备的是why want to join hsbc这种，没想到他问我汇丰曾经做了什么或文化导致我想要成为我们的一员)听了只能记得上半句，下半句忘了，让重复又忘上半句hhhhh，我是纯哑巴英语。5.HR说英语不太行，只过了4级，6级417.。。。。。但是说优点是敢说敢表达6.问一些价值观的问题7.技术官：String，Stringbuilder，StringBuffer，你用了StringBuilder，有没有更简单的？答char8....