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...

好像是个中厂，如果处女面面这个会死吗

妈呀不会给我挂了吧  

感觉暑期实习能投的公司越来越少了…… 字节腾讯美团阿里该投的都投了，在等结果。 刷了一下其他同学的帖子，大家都差不多，deadline越来越近，还没offer都开始焦虑了。 整理了一下，截至本周，还开着投递的（不完全，欢迎补充）： 美团 — 部分部门还在，算法HC还有快手 — HC比较少了，但还没关网易 — 算法/ML方向还有几个坑百度 — 部分BG在招，智能云还开着小红书 — 算法方向还在一些中厂：多益、三七互娱、网易游戏部分岗位还开着 内推的话各大厂基本差不多截止了，有学长学姐资源的现在去要内推还来得及…… 【一个省时间的方式】 最近同时在跑好几家的流程，又要填表又要备面，时间真的不够用。...