背景：目标院校25届无经验，参加26考研初试发挥不理想，从其他平台刷到了鱼丸，私聊投递了简历。相关专业无实习经历，最擅长的是Python，项目也是Python的，在校期间和考研期间学过C和C++。机考：因为很久没接触过代码题，花了一段时间熟悉和练习，主刷leetcode的hot100，刷了少量牛客华为题库的题目，从投递到参加考试大概用时是2周多一点。运气比较好，机考难度并没有想象中那么大，第一题考的数，第二题考队列，最后一题感觉比较新颖，题目内容是产品模块算法校验。前两题都AC了，最后一题过了一半，实在懒得调了就交卷了。综测：选择了安静的环境，刚好是心情比较愉悦的时候做的，题目确实比较多，不注...

我大三tmd逃课去白马培训是吧，你老冯同意了没？

简历有啥问题吗，约面率好低，暑期实习基本上只有字节腾讯给面

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...