中移金科终面

1、这群人晚上 11 点发朋友圈："凌晨 11 点，三环的灯还亮着。" 实际下班时间：19:30。2、什么是嘉豪呀？我最近在字节实习，没什么时间上网3、同龄人：学校社团、酒吧蹦迪；我：acm、字节/腾讯实习4、别人朋友圈发：“今天不想上课”；我朋友圈发：“今天的班就上到这里啦”，定位：字节跳动5、别人的朋友圈都是到处旅游的定位，我的朋友圈天天都是“字节定位”，还一定要是在【公司的健身房】里拍张照片，实际只练了10分钟，其中凹造型5分钟6、mentor布置任务的时候，别人都是：”好的收到“，我：”是不是要xxxx，xxxx这么做也可以吧，这个技术方案会不会更好些“7、别人书包里装的：王道408、轻薄本、四六级真题。我书包里面装的：显存24GB4090独显gpu（24小时开机运行，屏幕上贴着“字节/腾讯等贴纸”）、速效救心丸（代码报错用）、电棍（熬夜写代码困了用），就很……你们懂吧8、入职大厂第一件事：发朋友圈、发小红书，晒工牌，985计算机硕｜字节实习生｜可以接咨询｜有偿改简历，9、别人的社交软件简介：25岁｜男｜希望遇见有趣的灵魂；嘉豪的社交软件简介：25岁｜程序员｜字节跳动工程师｜一张佩戴工牌的自拍照大厂嘉豪标配：1. 挂胸前的工牌（地铁里只挂不收，怕你看不见 logo）2. 降噪耳机（不放音乐也戴着，避免别人跟自己说话）3. 印 logo 的电脑包（字节红 / 腾讯蓝 / 阿里橙 / 美团黄）4. 手表（最好显示心率，午饭后必发"步数已破 6,000"）

这什么意思？

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...