不吹不黑，就讲讲我自己看到的。2024届本科上岸，目前在上海张江某原厂写BSP，裸机/RTOS/Linux内核都碰，年包税前45w base。在这一行不算多猛，但摸爬滚打这一年多，多少有点东西可以聊。背景前情学校是某985的异地校区，大一大二参加过一些嵌入式比赛，成绩一般般，主要是给简历凑点东西。那段时间其实心思在C++上，琢磨着转互联网。大三才意识到该找实习了，套了个模板把简历填完，海投几天捞了几个offer，最后去了北京某RISC-V厂——虽然进去之后做的还是ARM SoC那套。本来想拿转正，但卡在本科学历上没成，刚好赶上九月，干脆回学校冲秋招。那时候手里已经有几个offer兜底了，心态没...

午休完裸面，网易某部门。 困死我了😵

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...