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...

拿了微软Mai的ai开发offer，进去是做类似于openhands的ai coding agent，日常实习不能转正，而且ld要我做六个月所以基本上无法投递暑期实习。目前个人bg 一段海外小厂开发实习 一段mai开发实习 现在在字节做llm评测开发实习，最近两端实习确实是跟后端没啥关系了，所以未来想往llm开发方向发展，但还是有点纠结接微软的offer还是年后找字节暑期活水，主要纠结的点是：微软实习轻松而且后续不需要在花时间找暑期，可以有充足的时间备战秋招，补一补llm算法方面的知识，本人算法方面基本属于小白，确实像好好沉淀一下但由于之前在Mai待过，怕dirty work偏多，而且比较担心Mai在秋招市场上的含金量认可度会不会不如字节腾讯国内互联网企业 求懂得大佬解答一下🙏

社招算法一面问PPT上的项目+一道hard题，约一个多小时。中间一个星期不回复，问就是有其他candidate。估计其他的面完不太行，以及我问的比较积极，捞我起来二面。线上/线下，为了表示诚意选择线下。我问hr要不要准备什么，告诉我啥都不用准备，到了现场老板问我光讲吗。没让自我介绍，项目聊得很浅，问为什么离职，有什么期待，等等。我信OpenAI研究员Gabriel Petersson的求职观点的鬼话，花了不到一天按照岗位要求举例的一项做了一个上线的demo，根本没有卵用。二面一样拒。他们只在乎你的落地经验的匹配度。求职不要花太多时间精力金钱在一个职位的申请上，公司只筛选，我们应该做的也是筛选。

50多min全程八股，竟然没问项目？这正常吗。1.接口和抽象类的区别2.final关键字的作用3.可以用final修饰抽象类吗？4.hashmap底层数据结构5.hashmap为什么不是线程安全的？6.concurrenthashmap为什么是线程安全的？7.线程池跟直接new 一个线程有什么优点8.拒绝策略有哪些？9.threadLocal可能会出现哪些问题？怎么处理？10.spring创建bean的方式11.AOP使用过吗？常用注解?12.动态代理（jdk+cglib）13.AOP什么情况会失效?14.如果有两个方法A\B都在AOP范围内，那直接用A去调用B，AOP会失效吗？15.redis基本数据结构16.Zset是怎么实现的？用到的数据结构？哪种排序算法？17.跳表怎么去做排序的？为什么能支持范围查询？18.Zset数据量太多了（大Key）可能导致什么问题?如何优化？19.redis是单线程，但性能为什么那么好呢？20.mysql为什么选择B+树？21.mysql深分页优化？22.sql：分数筛选23.算法：子数组和sql和算法都是比较简单的。整体基本上都答上来了。除了Zset底层不太了解。