论文背景与核心问题 《Self-Supervised Continual Graph Learning in Adaptive Riemannian Spaces》聚焦于图学习的两个关键挑战：持续学习（Continual Learning）和自监督学习（Self-Supervised Learning）。传统图神经网络（GNNs）在处理动态图数据时面临灾难性遗忘问题，且依赖大量标注数据。该论文提出了一种在黎曼空间（Riemannian Space）中自适应学习图表示的方法，通过几何约束和自监督目标缓解遗忘并提升泛化性。 方法概述 自适应黎曼空间建模：将图节点嵌入到动态的黎曼流形中，利用曲率自适...

投了两百多份0面试是我的简历写的有问题吗

你了解过java的哈希表的设计吗？（HashMap）如果不用红黑树，可以换成其他什么数据结构？（C++的一个数据结构我不知道啊）如果不用数的结构（一直用哈希），怎么解决链表过长？对于java的新特性了解吗？（17&&21）你平常会用那个stream吗？如何重命名一个已经在本地提交过的commit？如果 rebase 的时候冲突了，怎么办？社区的项目介绍，贡献实习简历中“图谱语义检索的广度”是怎么回事？这个图有一个固定的schema吗？大模型能精确匹配吗？ASR 和 LLM 用的是什么模型？Ai工具 claude项目级别的使用你在什么场景下会用 Notebook LM，什么场景下...