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...

简历有一些吹牛逼。点评和苍穹外卖暂时还没往简历上写，不知道该不该换个更好的项目。目前的情况是，过去学的有一部分都遗忘了，然后对API不是很熟悉。我现在应该复习过去的东西，看一下API。还是去看八股呢？jvm和juc需要学吗？

timeline3.9投递3.19一面3.31二面4.1告知二面通过免三面4.2hr面4.3oc人生第一次面试就是字节，没想到最后竟然能oc。（ 免三面真的很意外😳）

📍面试公司：美团🕐面试时间：4.9💻面试岗位：一志愿Agent简历挂，二志愿java后端捞起来🙌面试感想：面试官难评，没有压力但是也没有反馈，八股问的不是很深，说对说错就点头没下文了，算法题也是hot100外的hard题，对于只会hot100的我很难崩，深度怀疑是kpiAgent（20分钟）：说一下Agent项目使用的架构ReActAgent的think()-act（）过程（对应LangChain4j的推理-行动-反馈）说一下项目中的Advisor责任链数据库存储了什么，Agent的数据库有多少条数据（两个项目都问了）如何实现向量化的说一下Rerank和topK，具体做了哪些操作(RA...