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...

避雷上海万达信息股份有限公司，离毕业还有两个月毁三方

本人大三学院本，想走Java开发，现在学了一个Agent的项目和传统的后端项目，项目还没有开始串，已经部署上线了，八股也才看了一点点（实在是看不下去），目标暑期小厂实习，各位佬有没有什么对背八股和项目的建议，还请大家再帮我看看简历是不是还有什么不对的地方。谢谢大家了