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...

你在leetcode上练的都是死代码能力🤣

真没招了，三月才开始准备八股和算法因为没想到不仅大厂笔试过不了小厂也根本鸟我，笔试都不愿意发一个，心里心存侥幸说即使没实习好好磨炼技术再做一两个rag、agent项目去秋招，但是我现在投暑期实习就感受到秋招的寒气了，完全不觉得是金三银四而是铜三铁四😭😭😭，怎么办完全没招了，最近焦虑到学都学不进去每天都在投简历

1. 在你做过的嵌入式项目中，请详细描述系统整体架构是如何设计的，各个模块之间是如何解耦和通信的？答案：一般我会采用分层架构设计，把系统拆成三个层次：驱动层（Driver/HAL）封装 SPI、I2C、UART、GPIO 等硬件操作对上提供统一接口，屏蔽具体芯片差异服务层（Service）对驱动进行二次封装，例如：传感器服务通信协议解析负责数据处理和逻辑封装应用层（Application）实现具体业务逻辑不直接操作硬件解耦方式：使用**消息队列（Queue）**传递数据使用回调函数处理事件模块之间只通过接口通信，不直接访问内部数据核心原则：“高内聚、低耦合”尽量避免全局变量共享2. 在嵌入式系...