记得上次找日常实习从投递到最后offer总共花了51天这次暑期也是惊人的相似，从开始投递到offer也是花了51天暑期总结蚂蚁3月20一面挂阿里所有意向简历挂美团3月18一面挂字节3月17投递3月23一面3月27二面3月30三面，三天后挂+转岗4月10从二面复活4月17三面4月20offer快手4月1日一面4月13日二面4月20hr面百度4月11日一面4月14日二面4月17日三面这回教训就是以后不要在职面试了，实在太累+心态不稳，一开始想着就算没有公司要还能在现在公司赖着，最后活也不想干，面试也不想面感谢字节收留了，听说强度不小（早10晚10），好在base在广州，希望顶住😥😥

快手的hr想要我一个肯定回复，放弃其他家offer但是手上有一个腾讯的岗位录用评估中，昨天（6.2）刚hr面试完，可能要一周内出结果腾讯这边没确定下来不想放弃快手这边的offer，还是想去腾讯多一点，但是担心被横向，确实是暑期尾声了，被横向掉就糟了uu们有什么好的建议么？下午快手的hr还要跟我电话沟通，估计就是让我快点做个决定—————分割线——————6.4 腾讯oc了 还是有鹅选鹅吧 再见快手

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...