三个面试官，一个主持，一个问业务，一个问基础。业务面试官应该是写Java的，不咋懂前端，一直给我往后端引。1 自我介绍2 介绍项目（React）3 做过后端？架构设计？4 实习做什么（写组件库）5 想做前端还是后端6 做过后端吗？（只做过Nodejs）Java的特点？（面向对象）用过什么数据库？（lowdb，其它没用过）7 如何防止交易重复提交（我提了防抖节流，问具体如何实现，答定时器，问定多久，答100ms）8 提交保存，持久化数据的方案（？不懂）9 （换另一个面试官）堆和栈的区别？（一个用数组一个用二叉树存储）它们分别是由什么管理分配的？（我答都是内存，面试官没回答，估计是错了）10 如何...

各位前辈好 浙大本科，0实习0科研0绩点，唯一优势可能学校大作业做的比较扎实（但没啥用）。留学实习两手抓，现在开始学开发还来得及在暑假找到实习吗？以及简历上需不需要放一个魔改的项目呢？简历目前是ai做的，求建议拷打。

春招实习都投了好多，全是拒绝，有一两个面试，面完也觉得希望渺茫，果真应证了那句26届学院本，buff拉满了

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...