蚂蚁二面凉经

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...

字节和腾讯给AI相关人才开的好多啊，好好奇这些人的bg，有了解的佬路过说说吗？得什么水平才能在实习期挣这么多钱呢？

很聪明很活泼的一个女孩，虽然每天干的大部分都是dritywork，但从来没抱怨过，每天乐呵呵的，帮我们在需求群里“骂”甲方需求(正职不太好骂)，经常吐槽校招的困难，看到她一边做毕设，一边找工作面试，一边又要兼顾实习忙的焦头烂额，每天顶着黑眼圈上班的样子，回想自己当年也是这样的，最后给了她一些建议，帮改了简历，希望她以后一切顺利！