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...

本人bg为末九本，目前力扣hot100过了一遍目前在刷面试150，算法能力不太行，八股过了一遍。从3.9号开始陆续投简历，主要是官网投得多，中间几家大厂因为太菜笔试没过，其他不是简历挂就是一直在初筛，ssob上发了消息不是已读不回就是看都没看。在ssob上投还是在官网投面试机会大？另外我是不是简历有问题？希望各位大佬能给我和我点建议 从开始到现在已经一个月了一个面试机会都没有，已经没招了引流：美团，字节，pdd，腾讯，阿里

现在好多技术都在学，项目还在搞，但是害怕时间太晚来不及了，只要有人要我就可以了小厂也可以，佬佬帮我看一下😭😭

一句话总结：“怎么找实习”其实是一个很综合的问题。从技术角度看他应该被拆分成为很多个小问题，比如我应该学哪些东西？我应该怎么写简历？我应该怎么找简历项目？而涉及到的小问题基本上我之前都写过文章聊过，因此这里不赘述了。而这篇文章将从整体角度聊一聊：”到底如何找实习“。更多聊的是作为一个新入门的同学应该如何看待实习以及各种整体性的问题。对实习的认知：实习并不是从零开始学习很多同学都有一个误区：虽然我现在啥也不会。但因为我还是有学习的心思，所以我想找一个实习来推动自己学习。但凡是抱着这个心思去找实习，要么就是被当超级廉价劳动力，写基础垃圾接口当黑奴干。要么就是一脚掉进"招转培"的...