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）

leader让我用sql把数据更新一下，我正拿到账号密码登进数据库时，leader让我别操作了，估计是对实习生不放心，不过他让我看他操作，leader手速也是够快的，我看着他点了一下红色的按钮（清空表数据），正要说快回滚，leader就点到了commit上，就这么提交了，领导才反应过来，说了一声啊（数据没备份）

还记得之前字节面试，面得贼难，这不会那不会的，面试官也是咔咔上强度，问redis底层，为什么大key，其他数据库为什么没有大key问题什么的咔咔上强度，但我现在会的更多啦，不过字节问的完全随机，估计就问出来新花样，难搞#牛客AI配图神器#。