先说说个人的刷的题量截图如下：原则就是：在理解题解的之后，多多益善。做题主要学的是一种思想，学习做题的思路。参加OJ题目类型有：双指针滑动窗口二分前缀和模拟分治链表哈希表字符串栈队列 + 宽搜优先级队列BFS 解决 FloodFill 算法BFS 解决最短路问题多源 BFSBFS 解决拓扑排序递归回溯搜索递归算法搜索算法（主要是深搜）回溯与剪枝floodfill 算法记忆化搜索动态规划斐波那契数列模型路径问题简单多状态 dp 问题子数组系列子序列问题回文串问题两个数组的 dp 问题01 背包问题完全背包问题二维费用的背包问题似包非包卡特兰数贪心#程序员找工作至少要刷多少题？#

我连实习经验都没有，就一个臭民办，然后HR直接要我简历，发过去之后问问我java学的咋样，我说还行，HR就问我我要不要进行线上机试（远程写demo），现在好紧张，啥也不会啊

写下这篇文章的时候，我正坐在从学校飞往北京的飞机上。就在今天，我的秋招终于算是有了结论，一共60场面试，拿到了字节百度美团等10+大厂offers，最终确认了腾讯给的机会。同时给我的这三个月，这三年以及从今天往前的所有人生做了个结。这句话写的真好，为什么这么说呢？本来挺久之前我就想写点什么，有特别多想记录的，从选择这个专业到选择这个岗位，从科研的疲惫到未来生活的期待，但总感觉这样写没个纲，乱成一团。直到我今天正式在系统中点击了三方的确认，我才突然发现这种感觉就是“不可逃避的结束”在向我走来，于是纲便有了。首先是这三个月的结果吧，或者换句话说，其实是秋招的结果。从我硕士选择了强化学习的研究方向，我就知道并不会有太多的岗位。从试错中学习，这听起来很符合人类的学习方式，但实际场景中哪来那么多试错的成本？除了游戏产业和机器人行业，我想不到特别对口的赛道，而这两个行业国内又只有寡头，让我望而生畏。整个秋招，我没法像学后端开发的同学一样投递大量的简历，我没法像学大模型的同学一样是时代的香饽饽，我只能盯着那几家公司去投，或者想方设法的在别的不太相关的算法岗上沾沾边。方向是大于努力的，但努力一定不是不重要的。秋招整体对我来说还算顺利，前文就自然变成了只有我自己懂的无病呻吟，不再赘述。从结果来说，我的秋招是非常成功的，至少我自己是满意的。命运给了我很大的惊喜，我从未想过能够在这次有多个远超期待的offer，所以我如今是心满意足。虽说很多事都是焉知非福吧，但对口的工作内容，熟悉的工作环境，我一定不会后悔。我就是这样，毕竟让我在做一百次选择也不会变，那为什么要在不可预测的未来后悔。然后是三年，三年即将过去，我的硕士生涯来到了最后一章。回想过往，我在其中反复感受井底之蛙的狭隘。从我在二十多个四点睡的凌晨产出的论文初稿开始，链式反应就这样发生了。把论文投出去，我发了一篇很长的朋友圈，那时候觉得压力真的好大，尽管其实根本没人要求我什么。那时，我第一次觉得我比本科毕业时的自己进步了太多，可以独当一面了。然后去了北京自所交流，尽管大多的时间都在修改那篇返稿的文章，但也在不一样的平台中见识了人外有人的世界。回来后，我第二次觉得自己有了很大的进步，而鄙夷去北京前的自己是如此短浅。那是11月，我开始纠结到底未来该从事开发岗还是算法岗，但时间并没有给我机会。我偷懒了，两个月根本没有做任何开发岗的准备，于是只能硬闯算法。期间只有那篇论文中了让我稍微有些自信，毕竟只有两周的理论准备时间让我心里太虚了，这甚至还算上了刷题的时间。第一面就是最想去的公司，我甚至紧张到大脑一片空白。好在后面算是有惊无险，拿到了腾讯给我的实习机会。去腾讯工作的时间是幸福的，组里氛围也很好，在公司获得的提升我觉得甚至超过了我在学校一年的量。毕竟做算法，思维的敏捷度和见识广度都是如此重要。看着同事前辈们的工作能力，和工业级的项目架构，我又一次不由得感叹曾经自己的狭隘。于是每天我只睡五小时，忙完工作忙学校，每每想到这里，我也不觉得我的成功是侥幸了。我真的建议大家离开自己舒适的环境到外面看看，鸡头或许真的不如凤尾。硕士是一个连锁反应最直接，最有力的时期。高考失利或许还能补救，考研没上岸还有第二次机会，但就业前这一年，努力就是会有回报，就一定会体现在结果中，没有侥幸。最后，也是我最想聊的。十九年的学生生涯终于快要画下句号，我其实一直觉得非常梦幻。我能回忆起每一个瞬间，有小学六年级遇到的很有个性的数学老师，有考上重点中学的快乐，有中考和提前高考而大失败的难受，有本科比赛的每个通宵的焦虑，有保研出现差错的绝望，有刚读研高压之下的崩溃。但这篇长文不会再有更多的剧情了，每个故事都让我无限回味，成为了我一生中最宝贵的财富。这些瞬间组成了我。我父亲说我是一个总抓不住机会的人，确实有很多别人没有的机会摆在我面前，我都错过了。但我心中的热爱始终没有错过，我觉得这对我来说是幸运且幸福的。我非常爱打游戏，从初中开始学编程，第一个目的就是做出属于自己的游戏，做了很多小游戏发在班级群里，被人厌烦。高中自己买了unity的书，想做自己的游戏，无奈连网络的基本知识都不懂，无功而返。到了大学，我又被强化学习吸引，我想知道能不能让人工智能来帮我打游戏呢？这一整条线我没有放弃过，拿到了游戏算法offer，我真的特别特别开心。人不是一直成功的，我经历过的失败远超过成功10倍，但那让我知道成功来之不易，让我知道失败是生活常态，让我知道真正的怯懦不是不敢失败，而是不敢尝试。言尽于此，这些都“不可逃避的结束”了。追风赶月莫停留，平芜尽处是春山。

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...