求offer

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）

可以去冲一下大厂吗

一、先搞懂：为啥需要这俩东西？比如你刷短视频时快速滑动屏幕，手机用不用 “每滑 1 毫米就重新算一次画面”？肯定不用啊！要是这么干，手机立马变卡、耗电快。前端也一样：像输入框实时搜东西（你输 “苹”“苹果”）、窗口放大缩小、滚动页面，这些操作会 “疯狂触发代码”。防抖和节流就是用来 “拦着” 这些疯狂操作，让代码别瞎忙活 ——核心就是：省劲儿、不卡顿。二、防抖：“等你彻底停下，我才干活”用你每天都可能遇到的  “电梯关门”  举例：你进电梯后，电梯会说 “等 10 秒再关门”。这 10 秒内如果又有人按电梯进来，电梯会 “把 10 秒倒计时归零”，再等 10 秒。直到没人再进来、10 秒走完，...