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...

28小登日常实习困难，求指教简历问题，主投agent

网友提问：老师您好，我是26届211本科应届生，目前是投了大概二十家企业，收到了四个offer，其中两个稍微好一点的是一个央企控股的上市公司，一万块钱嵌入式软件双休；另一个是一个私企一万三到一万五单休，您觉得我选哪个好呢？一万块钱是不是这行的最低薪资呢？最近总是感觉薪资跟同龄人比好低啊。然后因为只是本科学历，后续我的发展比如薪资或者升职之类的会不会被限制的很低，我有必要再读一个研或者上班的时候考个非全吗？谢谢老师。Yt回复：一、这个“命中率”已经很高了你是211本科，投了大概20家企业，收到4个offer。这个比例已经很高了。我掌握的数据是：大部分校招的同学，投200份简历，大概有10到20个...