东北地区华为面试进展

这个问题的话是之前包括最近有同学常问我的一个问题,然后我每次都不是有特别准确的答案去回答,因为我也无法判断是否给出的是准确的答案. 那么这篇帖子就写一下我对外包测试的一个看法. 我觉得在现如今的行情下,走计算机方向可以找到工作就是万幸的一件事情了,无论平时在抖海,xhs,亦或者在牛客,有巨多学开发,学产品,学测试的同学约不到面试的,就算是有实习也大部分是中小厂实习,亦或者是在学校周边不知名企业做的打杂实习,写在简历上的公司都没几个HR知道,所以在HR筛简历的时候很难给到面试机会,这也就导致了很多人在秋招/春招投了很多,最终找不到工作或者就是取一个自研的小厂,或者是大厂的外包.  从我入职以来,...

入职第三天，被拉进一个十几个人的大会。我全程一句话没说，安静当背景板，心想实习生嘛，来学习的。开了俩小时，我开到一半就困了就没听了没想到散会前leader突然："小X你也说两句？"全场齐刷刷看我。脑子一片空白，憋了五秒，挤出一句："我……我比较同意大家的看法。"会议室安静了三秒。leader："嗯……可大家吵了一上午，俩方案谁也不服谁。"wocccccccccccccc我想原地飞升。

原来tme看面评。。。横向挂也脏面评hh

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...