你问ChatGPT一个问题，它给你答案。你问Agent一个问题，它开始计划。这就是全部的区别。一个会自己拆解任务的程序去年有个程序员在推特上发了张截图。他让GPT-4帮他订机票，模型回复了一段完美的攻略，步骤清晰，逻辑严密。然后他又让一个Agent做同样的事，结果Agent打开了浏览器，搜索了航班，比对了价格，甚至尝试进入支付页面，最后因为没有绑定信用卡才停下来。这个差异来自Agent的核心架构。斯坦福大学在2023年的论文《Generative Agents》里把它拆成了三个部分，感知模块Perception、记忆模块Memory、行动模块Action。普通LLM只有一个推理引擎，你给它输入...

各位大佬能指点一下吗😭😭寒假找实习投了一百多个了，只有快手有一个面试结果还在一面挂了是不是因为十月份疯狂海投结果字节三次一面挂，网易挂两次脏了面评啊

大佬们帮忙看一下简历，26年毕业生想找工作

实习期间参与的项目，聚焦于合同审核场景，本文以合同审核为例，针对在垂直落地场景中，为什么需要做sft微调展开简单的讨论和个人的一点见解。 传统合同审核系统依赖规则编写和关键词匹配，局限性突出： 一是规则需人工逐条维护，新增合同类型（如技术许可合同）时，需重新梳理数百条规则，迭代效率极低； 二是无法处理模糊表述，如“合理期限内整改”“适当补偿”等条款，关键词匹配会直接漏判； 三是不具备推理能力，无法关联多条款风险，如管辖地与争议解决方式的逻辑冲突。二、为什么需要SFT——教模型学会“思维”对合同审核场景而言，基座模型就像刚掌握法律基础的实习生，懂术语但不懂业务判断，SFT本质就是用高质量业务数据...