空降🪂offer

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...

是我简历太单薄了吗，我投的都是小厂，想先过渡一下的想过自己很菜，没想到这么菜

七月份还没入职，怎么大伙撤了这么多人啊，有点哈人啊是年会让大伙寒了心，还是年终奖不如意。我看大家年终奖份额发的都是正常月数，翻了一下评论区，貌似又跟调薪有关😂😂😂智驾的未来在哪里😭

1、普通函数与箭头函数的this指向2、promise如何向下兼容，手写一个promise需要考虑哪些内容3、promise里面的race和any是干什么的4、axios的二次封装做了什么5、如何采集用户行为并上报6、图片的预加载是怎么做的7、从用户输入url到页面显示经历了什么8、实习项目9、AI工具的使用10、反问