阿里数据中台实习生招聘~

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...

大一那会儿看了郝斌的数据结构，看了acwing的课，然后打了几把力扣周赛， 蓝桥杯也如愿拿到了省一，当时真以为自己是算法天才，没想到去到国赛，去到XCPC里，根本不够看，网瘾不愧是网瘾，就是哪怕是要学习，要打比赛，都会让人情不自禁的想再来多几次，浪费了大好时光，终究还是名校的游戏，如果可以的话想告诉大一时的自己比赛打过就好，别太执着