1. C++11 之后你常用的新特性有哪些，分别解决了什么问题答案：比较常用的有 auto、范围 for、右值引用、移动语义、nullptr、lambda、thread、mutex、condition_variable、atomic、smart pointer、constexpr、optional、variant、结构化绑定这些。如果放到工程里看，真正高频的还是几类：一类是语法层降噪，比如 auto、lambda、结构化绑定；一类是资源管理和性能相关，比如移动语义、智能指针、完美转发；一类是并发库和原子操作；再往后像 constexpr、filesystem、string_view 这种更多是...

三月底投到现在至今0约面，是哪里出了问题，是背景问题还是简历问题呢希望大佬指点一下改了一版新的，求大佬们看看

大三，双非一本JAVA，找到个上海日常实习，一天两张，害，感觉好少，还要我转go，还好有cursor，几下就搞定，现在也是接触到了ai agent的工作内容了

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...