【顺丰同城科技】2020校招持续进行，所有岗位均招聘

核心定义ReAct 是能让大模型“边思考、边行动”的推理框架，让 LLM 像人类一样通过多轮交互解决复杂问题Thought-Action-Observation 运转逻辑ReAct 循环中有三大要点：Thought：模型分析当前的局面，大任务拆解成子任务，决定当前最需要做什么Action：根据前面的思考结果，生成具体的操作指令Observation：接收真实环境对操作的反馈结果这就有了一个闭环：想清楚再做，做完看反馈，基于新反馈接着想ReAct + Function calling 怎么运转？在 ReAct 需要与外部系统结合时，免不了调用工具，执行链路如下：评估与决策：模型接收用户请求，判断...

我是犯天条了吗？大佬们

从一月中到现在，最大的感悟是累、其次是不要怀疑自己

🕐面试时间：整个4月，一星期一面🏢部门：主站💻岗位：SRE运维开发一面智能分配时如何用数学模型优化的？你在里面负责的东西是什么呢？为什么你们不用传统的算法工程来实现而是这样子实现，这里面有什么考量吗？详细说说你们方案设计上主要考虑的点分配失败有降级处理方案吗？你是如何保证分配效果最优的为什么你说原有的逻辑是粗糙的？有没有详细的指标或者描述详细介绍一下什么是模型的硬约束和软约束GRPC改造中你遇到了什么样的问题？为什么GRPC改造提高了响应，你里面涉及了什么其他方面的链路优化吗？ 缓存优化，反射优化，字节码增强，过滤链失效，部分自定义功能失效你弄成Skill复用后有考虑通用情况和特殊情况吗...