一、抗压耐造、结果导向 能接受快节奏、高强度、频繁迭代 目标感强， deadline 前能顶得住 情绪稳定，不玻璃心，能扛批评与复盘 二、高自驱力、不用人催 主动找活、主动对齐、主动复盘 扁平化环境下，自己给自己定节奏 愿意加班补进度，不抵触内卷氛围 三、擅长协作、沟通顺滑 跨部门多、流程复杂，会对齐会推进 写文档清晰、开会高效、表达抓重点 能处理复杂人际关系，不钻牛角尖 四、规则感强、适应体系 接受标准化流程、职级体系、严格绩效 习惯按规范做事，重视数据与复盘 能在大框架里找空间，不反感约束 五、想快速镀金、攒履历 应届生/转行，需要大厂背书跳级 想系统学方法论、接触顶级项目 看重薪资、福利...

这家公司疯了吧，5个人招我，我又不是什么稀缺资源这家看样子应该是外包公司

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...