第 10 题：Chain-of-Thought（CoT）提示的原理与有效性 题目 解释 Chain-of-Thought（CoT）提示的原理及其有效性来源。 一、什么是 CoT 提示？ Chain-of-Thought（CoT） 是让模型在给出最终答案前，先一步步写出推理过程（“思维链”），再给出结论。有两种常见用法：  Zero-shot CoT：在 prompt 里直接写“Let's think step by step”或“请逐步推理”，让模型自己先写步骤再写答案。 Few-shot CoT：在 prompt 里给几个带中间推理步骤的示例（例如数学题：先写“首先…然后…因此…”再写答案）...

真没招了  原来是卖课的.. 把我的感动还来...

今天早高峰10号线，人挤人，我好不容易站稳，余光扫到旁边座位上有个穿校服戴红领巾的小男孩，正低头盯着iPad。我以为他在看动画片，好奇瞟了一眼——好家伙，在刷leetcode。我人都傻了。我小学五年级还在玩赛尔号，人家已经在地铁上刷题了。让我想起来现在也有很多机构推出面向小孩的人工智能课、AI使用课...现在连小孩都这么卷了吗？

1.问实习2. 项目拷打3. LLM 落地部署有什么好用的 trick？答案：现在 LLM 落地里，很多时候改模型不如先改数据和链路。第一步是把线上 badcase 分桶，区分是检索错、提示词错、模型能力不足、工具返回错还是数据源脏；第二步是做数据闭环，把高频错误变成 SFT、偏好对、规则样本或者评测集；第三步是做推理侧优化，比如 KV Cache、continuous batching、量化、prefix cache 和路由小模型。比较实用的 trick 是不要盲目微调整个模型。很多业务问题是知识更新、格式不稳、证据引用错，这些更适合通过 RAG、结构化输出、后校验和数据清洗解决。只有当错误...