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...

继上次三方毁约后，又拿到了腾讯社招offer

目标后端

3个面试官，没开摄像头，我最开始开着摄像头，但电脑黑屏了一下，摄像头自动关了，面试官也没说什么1.首先自我介绍2.项目提问 面试官很好，技术非常棒，针对我的项目还给我讲了相关问题。我项目经验讲的一般，多亏了面试官，补充了细节上的不足。3.你之前应该是自动化做过一些自动化测试，那你对于完整的测试流程，常规的一些测试流程了解吗？4.举个例子吧，说一下你的你之前的写的用例，你的需求是什么样，你是怎么设计的。5.我们是做机器人，你有没有了解过机器人，或者是说你觉得做机器人测试最核心的测试点是什么，比较关注什么？6.问毕设完成没？问什么时候实习。反问由于项目没有回答得很好，基本上就没问什么。