一、为什么 Agent 评测比 LLM 评测更难？ 传统 LLM 评测（现在当然更复杂维度更多元化）关注的是文本生成质量——回答是否流畅、事实是否正确、格式是否合规。但 Agent 是一个完整的系统，它要自主决策、调用工具、与环境交互、在多轮对话中保持状态。这意味着：  不能只看最终输出，还要看中间过程是否合理（中间过程非常重要） 不能只看单次执行，还要看重复执行是否稳定 不能只看功能正确性，还要看性能、成本、并发能力 不能只在单一场景测试，还要覆盖工具调用、长上下文、多轮对话等维度（工具调用的能力评测也是目前的难点与重点）  LLM 评测像测发动机，Agent 评测像测整车——必须综合考察在...

Thank you Hellobike.

华为的大模型工程师面试过了，但是一搜索发现大家都说互联网大厂对于华为实习的认可度很低，请问有没有懂哥愿意分享一下原因？我看很多人会提到什么转正问题，这个和认可度也没关系吧。有人说学不到东西，又有人说能学到，真假难辨好复杂。难道是因为技术栈不同的原因吗？