复盘不是背面经，是把"这场为什么没答好"具体化到能动手改的程度。下面分两块讲——表达层、技术层。一、表达层：录音 → 标记 → 重答方法很简单，贵在坚持。工具就三样：一支笔、一个本子、一部能录音的手机。第一步：完整录音，客观回听每次练习答题，全程录音。答完别马上做别的事，亲自把录音完整听一遍。这个过程会让你有点不适——你会清楚听到自己在哪卡了、哪句话重复了三遍、哪段逻辑突然断了。这是正常现象，我们的目的就是把这些具体问题揪出来。第二步：纸笔分析，定位问题把录音里自己的答案用关键词或短句在纸上大致写下来，然后像批改作业一样做标记：口头禅（"嗯"、&quot...

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

这几个月匆匆忙忙连滚带爬，三月都没怎么投，四月底投了几家，基本没有回复，最后一家发了offer，没去（就一面，没有聊技术方面问题，问了一下基本问题就过了，太假了）😃准备准备一下八股和项目，竞争力太弱了，只能说大一大二太摆烂了，大三才开始准备

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...