对于需要探索或预判战略的复杂任务来说，传统或简单的提示技巧是不够的。最近，Yao et el. (2023) 提出了思维树（Tree of Thoughts，ToT）框架，该框架基于思维链提示进行了总结，引导语言模型探索把思维作为中间步骤来解决通用问题。ToT 维护着一棵思维树，思维由连贯的语言序列表示，这个序列就是解决问题的中间步骤。使用这种方法，LM 能够自己对严谨推理过程的中间思维进行评估。LM 将生成及评估思维的能力与搜索算法（如广度优先搜索和深度优先搜索）相结合，在系统性探索思维的时候可以向前验证和回溯。ToT 框架原理如下：图片援引自：Yao et el. (2023)ToT 需要...

RT，深大25届计算机本科，今年5月份就去实习，11月底转正，昨天突然通知要裁员，也算是好聚好散，赔偿还算满意。但是不知道后续要如何找工作，在校学的杂，c++，Python，go，Java都会一点，主学Java，工作做的是 c sharp，个人感觉和Java很像，后续参加社招要如何准备呢，是继续找c sharp相关还是说捡回Java，我意愿还是走后端路线工作六个多月，做的是互联网相关的业务，不是制造业，刚开始做一些小业务，后续做了一些技术框架的升级，类似于springboot的c#版本，例如，把旧的框架换成新框架，自己设计过滤器和中间件之类的的工作。后面就开始做了一些较为核心的业务，直到昨天被裁顾虑就是好像Java方面有半年空窗期，c sharp 市面上岗位少有大佬支支招吗

贼逆天啊，发了个“youbing”然后光速撤回拉黑了，没截下来。

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...