在这个AI无处不在的时代，我逐渐意识到：AI可以帮助我，但不能替代我思考。它的回答往往很自信、很完整，但并不一定完全正确。所以，我始终提醒自己，把AI当作参考，而不是答案本身。我习惯先自己思考，再去看AI的建议；遇到重要信息，也会多查几个来源进行验证。这样既能利用AI的效率，又不会轻易被单一观点影响。对我来说，真正不被AI带偏的方法，就是保持独立判断。方向由我决定，AI只是工具，而不是替我做选择的人。

介绍一下基本情况:岗位:某中厂后端开发实习生，本来学的java，岗位是golang，实际接触的代码全是php😅😅😅工作内容:就是给解决用户在产品使用中反馈的问题，比如看不到评论，收不到通知等等，然后就是查日志，复现问题，调接口，看后端代码。😭😭😭室友在大厂的实习都是写需求啥的，我快一个月了，一行代码没写。😐😐😐求大佬们支个招，该怎么包装这段实习。目前想法:1.因为可以接触到所有代码和接口，看到代码过去的更改记录，打算将工作内容写成负责某某模块开发维护，升级了某个接口这种。然后到时候给面试官展示的就是增加了新方法的整个思路。2.但是吧，接触的全是php，我是不是还得准备php开发框架的东西？而且就算是把过去某一个更改说成自己的，内容也好少啊。3.暑期和秋招还想主攻java，该怎么描述这段实习。佬们支个招吧，孩子没法了。😟😟😟😟

来杭州实习的第三周，天天早九晚六感觉就已经很精神疲惫了，也没有多少私人时间，不敢想象如果是大厂的逆天作息我能活几年。果然人只有真正来上班了才知道自己想要什么，比起天天高强度被压榨拿到一份不错的薪水，我还是更喜欢能边摸鱼边混口饭吃。已经开始准备秋招找国企躺平了，大三想进国企该准备什么，是不是跟私企互联网招聘路子完全不一样，前边的准备是不是一点用没有了

思维链（CoT）方法依赖于一组固定的人工注释范例。问题在于，这些范例可能不是不同任务的最有效示例。为了解决这个问题，Diao 等人（2023）最近提出了一种新的提示方法，称为 Active-Prompt，以适应 LLMs 到不同的任务特定示例提示（用人类设计的 CoT 推理进行注释）。下面是该方法的说明。第一步是使用或不使用少量 CoT 示例查询 LLM。对一组训练问题生成 k 个可能的答案。基于 k 个答案计算不确定度度量（使用不一致性）。选择最不确定的问题由人类进行注释。然后使用新的注释范例来推断每个问题。图片来源：Diao等人（2023）