两天在熟悉openclaw的时候，有个玩AI的想法，不知道有人这样玩过没，有这么玩过的佬友可以说说玩下来的效果想法的产生openclaw不给他太大权限，就跟对话聊天差不多了。如果为了体验更多功能需要给他太大权限，他会调用你电脑上的任何东西，使用你的任何软件和访问记录，所以为了安全一般都是在虚拟机或者云服务器里跑一下。既然是虚拟机或者云服务，那一定是个干净的空间，那么他怎么访问软件这些呢？总部能把自己的给他吧，那不是还是有安全风险。帮他新建一个账户？那这个是不是他就可以来？想法的完善既然要注册账号什么的，那么他就需要一个身份（或者国内服务需要的实名认证的手机号）等等，身份？好熟悉的一个样子，是不...

时间过得真的好快啊，五个月一眨眼就过去了。本来之前打算run的，但考虑到被迫休学了，学籍过不了审批，而且部门里面的人都很好，索性就一直留下来了。虽然没做过什么太难的需求，但这几个月真的学到了很多。部门里的人技术都很强而且很有耐心，靠着看文档看代码和问他们，也是受益匪浅。团，秋招有缘再见👋我的下一段征程会在哪呢

本来想趁着寒假时间长去投个实习来丰富简历，但是完全没人要，不过也有我网络相关的东西还没学的原因，我听别人说这行要的是深度不是广度，我现在应该要接着深入学习后端还是深入学习嵌入式或者音视频呢，大佬们给点建议

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）