春招实习转正

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...

这种实习能去吗？    

以前准备后端面试的时候，主播最大的痛苦不是资料太少，而是资料太多。我当时最大的困惑是根本不知道这些资料该按什么顺序学、学到什么程度、哪些才是真正面试一定会问的。因为这个问题，我白白浪费了很多时间。举个最直接的例子：我曾经把某林 Coding 上的计算机网络从头到尾看了两遍，甚至还整理过一张很大的思维导图。那时候我以为，既然要面试，就应该尽可能学全、学深。 但后来真的开始面试、经历完秋招，再回头复盘我参加过的 40 多场面试后，我才慢慢发现：计算机网络真正高频、真正决定你能不能开口答出来的，其实就那么一小部分。再往后看，Java 基础、JVM、JUC、MySQL、Redis、操作系统这些后端常见...