字节跳动视觉设计UI设计收到笔试了吗？

为什么传统 NLP 评估指标（BLEU、ROUGE）对现代 LLM 局限性很大？  传统指标核心是比较生成文本与参考答案在 n-gram 上的表层重合度，存在以下问题：  语义缺失：只关心词汇匹配，不理解语义。如"今天天气很好"与"今天日光很灿烂"意思相近，但得分很低。 无法评估事实准确性：无法检测幻觉，流畅但包含错误事实的回答可能得高分。 忽略多样性与创造性：开放式任务没有唯一标准答案，基于固定答案的评估会惩罚优秀但不同的回答。 长文本评估能力差：无法评估长篇内容的连贯性、逻辑性和结构性。 无视推理过程：只能比较最终答案字符串，无法评估思维链步骤是否正...

做梦也想不到我敢干这件事，但是我做了

灵神太强了，写力扣没这么爽过

现在可能有两个offer，实在选择无能，求各位大佬给点意见。pdd服务端开发：今天刚约了hr面，hr说面完一周左右出结果。三面面试官说现在还没法确定去了具体是做什么的，但是又问我能不能接受数据开发，所以感觉去了可能是做数据开发的。tme后台开发：今天接到offer，但是只有三天确认时间。集团公线，面试官说是做ai生成音乐方面的。