大家好，我是马丁。看到大家都在找实习包装简历，但简历上写了一个RAG/Agent项目，面试官一追问就露馅：这个项目具体解决了什么业务问题？你怎么知道效果好不好？碰到用户单次问答多问题混合处理场景（下面会有示例），你怎么处理？三个问题下来，大部分人就开始打磕巴了。问题出在哪？不是技术不行，是没有把技术和业务场景绑在一起。面试官见过太多只调了 LangChain4j/SpringAI 的 API、跑通一个 demo 的简历，他想听的是：你为什么这么做，你怎么知道做对了，遇到问题你怎么解决的。这篇文档每一条都值得你花时间想清楚。想清楚了，面试的时候你讲的就不是背的，而是你自己的东西。点个关注，持续更...

大二暑假想试试看中大厂的日常实习，hot已经刷完2遍了，常见八股也都过了遍，求问大佬还需要往哪个方向发展，简历有没有需要改的

美团timeline一面 3.26二面 4.2oc 4.8offer 4.10其他：oppo 一面挂vivo 没动静携程 笔试挂哔哩哔哩 没动静感想感觉找实习运气也占不少的成分，本来0实习选手暑期只是准备随便投一下练一练，想着过会儿再找日常实习，没想到美团直接收留我了。感谢一面面试官，在我第一次面大厂的时候给了我自信

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...