小米 软开 二面 15min

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...

rt。投暑期的时候顺手boss上投。很快面试拿到了一个中厂的中台日常offer。听说实习生压力很小，wlb。大伙觉得应该去吗。我已经有一段初创一段独角兽了。大厂感觉流程很长我投的有点晚，现在还没有啥消息推进（但是感觉很难拿到大厂暑期。。。。）。纠结死我了。很想拿这个中厂刷个bg因为之前的实习公司都不是很大。但是基本上就得0大厂实习去秋招了😂感觉竞争力很差。（但是本人八股算法又一般继续面暑期不一定能拿到什么好结果）。

上周五，晚上六点，参加了小米一面，整体时长1.5个小时，算是比较长的吧面试官看起来比较年轻，刚开始自己的心态也挺轻松，随着面试的进展，心情变的越加的不对劲，怎么问的每一道题都只知道一点，这是知道了自己的打法，专门来拆台来了 （让我自己认识到自己真不专业，基础太差）问题的答案，我都用一个链接的形式来呈现，相对简单的会做出解释px em rem vw vh 分别解释一下这几个单位www.jianshu.com/p/82f02af17…padding-top, 10%, 10rem，10vh， 10em 取值逻辑是什么这个里面有个坑 就是10% ,取的是父容器的宽度的10%em 也有个坑，不一定取的...

面试面到力竭，还是没有结果😫现在拿到of的都是双九科班+两段高质量实习吗？