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）

友友们，这种情况是不是要鸽啊，说好这几天发offer结果今天突然提醒说，要年度预算，发offer要年后了，不确定时间😣😣

目前大三上，下学期大三下，过完就要去实习了，寒假在学韦东山的FreeRTOS。

1. 详细介绍一下你在项目中遇到的最复杂的技术问题，从问题发现到解决的全过程参考答案：我在做车载控制器项目时，遇到了一个系统随机重启的问题。这个问题非常诡异，有时运行几小时才出现一次，完全无法复现。重启时没有任何日志，系统直接复位。初步排查时，我先怀疑是看门狗超时，但调整喂狗策略后问题依然存在。然后用示波器监测电源，发现重启瞬间有电压跌落，但不确定是原因还是结果。我在代码中添加了详细的运行日志，记录任务执行、中断次数、内存使用等信息。通过长时间测试，发现重启前堆内存使用率接近100%。深入分析后定位到，网络数据包解析函数在处理异常数据时，有一个分支没有释放已分配的内存，导致内存泄漏。当可用内存...