一句话结论Java+langchain4j/spring AI依旧是传统Java后端，只是多了最基础的LLM调用能力Java + Spring AI / LangChain4j ≠ AI 应用开发本身它更多是 “传统后端在接入 AI 能力”，而不是 “以 AI 为核心的应用工程”。差异不在语言，而在“系统的控制权和复杂度在哪一侧”。一、从「系统主导权」看本质区别（这是最重要的一点）1️⃣ Java + Spring AI / LangChain4j 的定位系统主导权在：业务系统 / 后端架构LLM 在这里是：一个能力插件一个“增强模块”一个被调用的外部服务典型结构是： Controller ↓...

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。

双九计算机硕士，简历求锐评！！！欢迎讨论！！！两年后应该还会再找一段暑期实习，同步应该也会再做点项目（之前简历上的项目由于一页放不下了就先删掉了，含金量不是很高）……比较纠结的地方其实在于后续要走什么方向，本科很多方向都研究过一段时间（AI，Network，System，图形学）但是都不太精通，目前毕设在搞AI4Network，侧重于黑白盒网络仿真加速，入学之后的方向可能会围绕AI Infra（具体做哪个细分方向还没确定），求大佬们给点建议……另外其实也在纠结是否要继续走互联网大厂路线，也在考虑移动联通电信这些运营商或者一些国央企，以及选调也在纠结中（学生工作和社会实践蛮多的，相关奖项也还可以，但是没有三好学生和国奖），求大佬们给点建议……（如果有熟人刷到请不要盒我hh，留点面子哈哈）

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）