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）

目前0实习，想年后找一个，求拷打简历

简历求拷打，投了好几个月，各种各样的岗位都试过，什么消息都没有

1. SIFT、SURF 和 ORB 的区别SIFT (Scale-Invariant Feature Transform)提取尺度和旋转不变的关键点，匹配精度高，适合复杂场景缺点：计算量大，早期受专利限制SURF (Speeded-Up Robust Features)SIFT 的加速版本，计算速度快，性能略低于 SIFT缺点：仍受专利限制ORB (Oriented FAST and Rotated BRIEF)免费开源，速度快，适合实时应用缺点：特征点稳定性比 SIFT/SURF 稍差，抗尺度能力弱2. 如何使用 ORB 进行特征检测ORB 是快速特征检测算法，结合了 FAST 关键点检测...