题目重点：AR II 题目明确向三位资深研究员讲项目/论文，反馈高层概述不够深；按问题、方法、消融和局限准备。
题意与假设
这道练习题保留了面经中值得训练的核心约束，并将需要澄清的条件单独列出。现场拿到变体时，先和面试官确认这些条件。
- 这是候选人自选真实研究项目，文章给展示框架和追问，不伪造论文、结果或公司评分标准。
解题路线
- 开头用研究问题、业务/科学动机、前人方法为何不足和自己的贡献，明确哪部分由本人完成。
- 用问题→假设→方法关键推导/架构→数据与指标→对照实验推进，准备能在白板上解释最关键公式/模块与训练细节。
- 展示基线、消融、错误分析、失败实验和统计/数据限制；说明为什么观察到的增益可信，而非只展示主表最优值。
- 面向资深听众预留时间讨论计算成本、扩展性、线上/现实迁移和反事实，遇到不确定问题标明证据边界。
手动走一遍
训练演示：若论文说新采样策略提高效果，应展示与旧策略在同切分下的对照、移除采样组件后的消融、不同数据分群的误差和计算代价；不能仅说‘提升了性能’。示例不对应题目论文。
规模与取舍
用 5 分钟总览与可展开的 15–20 分钟深挖层次准备，实际 Panel 时间以面试通知为准；方法复杂度、实验算力只能来自本人论文。
易错点与追问
容易失分的边界
- 只给业务背景和结论，无法解释核心方法。
- 把合作项目所有贡献归于自己。
- 没有强基线或消融却声称方法有效。
- 对局限和负面结果回避。
继续深挖
- 最关键的消融是什么？
- 训练数据或标签有什么偏差？
- 如何证明增益不是随机波动？
- 迁移到新数据分布会怎样？
