还愿and咨询帖

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...

孩子真没招了，简历如图，求收留。

到凌晨三点了都没睡着。本来都躺下了，突然脑子一闪：那家公司的截止日期是不是已经过了？爬起来翻手机，翻了二十分钟没翻到投递记录。可能根本没投。也可能投了但忘了记。然后就开始恶性循环。字节挂了，腾讯没消息，美团一面之后杳无音信。阿里百度快手网易，投的时候满怀希望，现在看像个笑话。 六月初了。我以为早结束了。群里有人晒offer，我点了屏蔽。我妈问我怎么样了，我说还在等，她说"别太有压力"，我说"嗯"。但刚才刷牛客，看到有人说还有公司在开。我第一反应是骗子吧。第二反应是点进去看看。 结果看到一家公司，我之前完全不知道在招。岗位还对口。截止日期还有五天。现在坐在...