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...

历时两个月，23场面试，最终收获4家offer，努力终将会有结果。找实习的这段时间令人痛苦，是空窗一场面试都没有的窒息感，是多次二面挂三面挂的绝望感，但是我都咬牙坚持下来了。3.18-momenta4.13-同程旅行4.28-字节跳动5.9-OPPO

个人背景：学院二本计科专业 大二开始实习个人经历：安克创新 、理想汽车、字节跳动碎碎念：我做事只有三分钟热度。看到进了大厂的同学，我会羡慕，也会跟着努力上进；但遇到好看的小说，我又会放下手头的事沉迷其中，之前的坚持也就中断了。我有些自卑，总觉得自己学历和外貌都不够好。之前偶然在网上受到关注，我就喜欢上了上网，因为这里有很多人认可我。但我也很在意别人的评价，偶尔看到嘲讽的言论，会触发我的自卑情绪，让我感到愤怒。有时候我会强硬地回怼，有时候又会懦弱地选择无视。我总想着走捷径，不太喜欢踏踏实实地做事。找实习的时候，我花了更多时间在研究面试技巧上，而不是提升专业能力。我会反复听面试录音分析技巧，看面试教程学习怎么和不同的面试官沟通，还会每天自言自语练习语言表达，同学都觉得我有点奇怪。我的实习生涯里，侥幸和运气占了很大一部分。我总在想，如果有一天我失去了这份幸运，这些特质可能会让我一蹶不振。ps： 很多人会问我学习路线和经验 但是就像我上面说的 我的实习过程靠的很多是关键节点的运气 技术上面我可能不如很多人  所以请大家理性求助和理性参考我的回答 附上我的投递记录

一面（2026/5/27）自我介绍+了解情况C++ 里的 static 关键字有什么用？static 的内存分配什么时候发生？sizeof 对数组和指针有什么区别？结构体和类有什么区别？使用时应该如何选择？你对内联函数的理解是什么？讲一下类的多态？虚函数和纯虚函数有什么区别？线程和进程有什么区别？线程之间共享数据时会出现什么问题？有什么解决办法？如何避免死锁？二叉树有哪些类型？完全二叉树和平衡二叉树分别有什么特点？什么是满二叉树？这里我给完全二叉树和满二叉树搞混了，面试官直接过来问我什么是满二叉树我才恍然大悟了解红黑树吗？红黑树和 AVL 树相比，各自有什么优缺点？项目拷打+场景题反问总体来说...