米哈游图像算法

1. 请做一个简单的自我介绍答案要点：基本信息：姓名、学校/工作背景、专业方向（嵌入式系统、单片机开发）技术栈：熟悉C/C++、STM32/ARM Cortex-M系列、RTOS、常用通信协议（UART/SPI/I2C/CAN）项目经历：简述1-2个代表性项目（如智能设备、传感器驱动、实时控制系统）求职意向：对嵌入式底层开发的兴趣，希望在贵司深入学习2. 你平时是如何学习嵌入式技术的？答案要点：理论学习：阅读芯片数据手册、技术书籍（《ARM Cortex-M3权威指南》）、在线课程实践项目：通过实际项目（开发板实验、毕设项目）加深理解开源学习：研究GitHub上的开源项目、参考厂商SDK和例程...

感觉自己好废物。。。。妈的，项目项目答不上。八股八股全忘完。。因为还没离职，一点都不焦虑面试，但是面了两轮80%都答不上，都搞不懂自己在干嘛。。。😭😭让我感觉到羞耻也好，意识到自己没有选择也好。好想给自己一巴掌，让脑子清醒一下。

面试官开口就问：“同学，你期望的工作地点是哪儿啊？”我想都没想直接说：“广州啊。”对面瞬间安静了半天，然后慢悠悠来了句：“同学，我们总部在北京，秋招也只招北京的岗。”我当时直接懵了，脱口就是一句：“啊？北京？你们公司在北京啊？那北京也行！”

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）