美团产品经理二面面经

📍面试公司：小红书🕐面试时间： 2 月 3 日💻面试岗位：前端实习❓面试问题：自我介绍一下你提到的项目：庆快校园开发过程中遇到了什么困难。我的困难是双 token 的处理，然后讨论了一些双 token 的东西公司实习项目干了什么，然后讨论了一些问题，我是怎么处理的，面试官追问细节vue3 响应式原理vue 父子组件通信平时怎么写代码的手写三栏布局，多种情况，聊了一些 grid 和 flex还有追问如果是平均分要怎么写flex：1 是什么代码输出题，宏任务和微任务手写 promise.all，遇到一些问题，我用foreach同步代码遍历没有判断结果的数量对不对就直接resolve了反问，问...

最开始机考的时候有一道题感觉做的时候连测试用例都还有没通过，最后提交歪打正着通过了很多，最后顺利通过10月底线下面试也很坎坷，一面就面的很不好，手撕用的最暴力的解法，面试官喊优化也一直优化不出来，面试问的问题也是很偏计算机网络基础的问题，很多没回答上，但是最后竟然获得了二面机会二面的时候感觉运气特别好，手撕抽到了一个很简单的算法题（岛屿问题），面试问的也都是基础java八股，最后也是顺利进入三面，第二天感觉第一面不好都以为没机会了，竟然顺利通过后面十一月份没有等到保温电话，中旬还去询问接口人（部门领导），还被降温了，回复我：看破不说破。当时就觉得无了最后十一月底竟然收到了部门领导的保温电话，也是很快就收到了意向。12月初显线下签约完后部门领导聊天，他说我当时的面试成绩刚刚过及格线，而且是他第一个收到简历的，后面帮我推了一下进度（部门投递的人比较少），最后也很幸运有这个机会

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）