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...

4月14号开始投 只有中小厂给面 大厂全简历挂/泡池子（字节没投）5.20号重投一遍大厂 懂车帝约面 半个点就结束了 简历上的项目点都没问 让我自己讲完就结束了 一道手撕 感觉被kpi了（话说日常也有kpi吗）是不是简历有问题，想再学个agent换掉秒杀还是换掉RAG 求指点

投了十几家嵌入式实习，简历上写着 STM32、FreeRTOS、UART/SPI，课设竞赛也都有，结果已读不回，连"不合适"的邮件都没有。这种情况在嵌入式方向很常见。多数时候不是你不努力，而是现在的实习市场，和几年前"招进来慢慢带"的逻辑已经不一样了。先说结论没回复，通常是几层筛选叠在一起：企业要的是来了就能干活的人，不是从零培养公开招实习的大厂多、中小厂少，竞争被集中放大学历是第一道硬筛，很多同学在进面试池之前就被刷掉简历方向不对、项目太浅、投递方式有问题，也会让你静默淘汰一、企业要"直接上手"，不是"来了再教"...