思特威——面经timeline岗：数字ic目前进度：正式offer除了迪✌🏻的唯一一个offer😭感谢老思。秋招期间在牛客看了很多面经贴，快成老家了，发个面经贴攒攒人品。笔试：8.23常见八股加一道智力题，原来貌似倒计时一个小时但是计时结束也不会强制提交，现在同门反馈是会强制提交了。一面：技术面 9.5 30min总体来说氛围比较轻松，结合项目询问低功耗处理方法和异步处理方法，让讲了个异步fifo，会询问代码量之类的。二面：部门主管面 9.21 30-40min探讨了我项目中所负责的模块的实际应用场景（可能相比起技术细节会更偏向于对IP应用的思考）我的项目多是数模结合的模块，因此也追问了数...

我滴老天爷，在一个我方便的时候，接到了一个不方便处理的电话，真的很炸裂。hr在那里讲，我回答嗯。hr问我，我只能以最简单的方式回答。我坐在马桶上，掉下去的便便把水溅到我的pp上，我右手拿着电话，左手去扯厕纸，一边忍着我的肚子隐隐作痛。hr介绍了大致位置，大致业务方向，告知大致的工作内容，但我什么也不记得。我只知道我的左右隔间都有人，我不想让别人知道我在面pdd。hr声音很大，我觉得别人一定听到了，但我没办法阻止。等我解决完我的个人问题，hr说那我们今天就先聊到这里。我松了一大口气，扭头又进了厕所隔间，马桶圈还没凉呢。

谜语人面试官

从 Yao 等人，2022 引入了一个框架，其中 LLMs 以交错的方式生成 推理轨迹 和 任务特定操作 。生成推理轨迹使模型能够诱导、跟踪和更新操作计划，甚至处理异常情况。操作步骤允许与外部源（如知识库或环境）进行交互并且收集信息。ReAct 框架允许 LLMs 与外部工具交互来获取额外信息，从而给出更可靠和实际的回应。结果表明，ReAct 可以在语言和决策任务上的表现要高于几个最先进水准要求的的基线。ReAct 还提高了 LLMs 的人类可解释性和可信度。总的来说，作者发现了将 ReAct 和链式思考 (CoT) 结合使用的最好方法是在推理过程同时使用内部知识和获取到的外部信息。它是如何运...