实习这事儿，过来人聊起来都是"挺锻炼的""学到不少"，可真到自己上手——第一天找不到工位、不知道该问谁；第一次被 mentor打回需求改到第五版；第一次跟着上线、手心冒汗盯着监控；也有摸鱼被抓包、团建社死、转正答辩前夜睡不着的瞬间。实习中的这些事，好的坏的，开心的难过的，都来记录下来吧~即日起-2026.6.30号 24点，带话题#我的实习日记#发帖，分享你的实习经历，即可获得牛币、限量款牛客家族盲盒、现金红包奖励发帖方向你可以选择以下方向发帖，记录分享自己的实习经历发帖方向你可以写💰 记录实习开销这段实习你是赚了还是亏了？工资多少、通勤吃饭花多少、是...

焦虑ing，二本，绩点挂车尾，无竞赛就会个stm32和freertos，esp32。无竞赛，学历差。真让人焦虑。这是应付学校任务写的简历，说实在的，平衡车和nwatch都是跟着视频(铁头山羊，韦东山)复刻的。MQTT这部分让ai吹了一下，实际上我不会LVGL，就在简历抹去了。八股文没开始背，面试题还没开始看。需不需要刷一点算法？来不及了，才知道大三这个时候应该投简历了，骑驴找马，边投边学

开源了一个新的项目，可以让你像vibe coding一样编辑你的简历：VibeResume 是一个 AI 友好、可导出 PDF 的简历模板。你不需要在 Word、LaTeX 或浏览器打印预览里反复对齐版式；把简历维护成 HTML + CSS，让 AI 帮你改内容和排版，然后用脚本把网页看到的布局稳定导出成一页 PDF。此前我们已开源过寻找项目、进行项目优化、简历优化的工具，本次开源的 VibeResume 负责最后一公里：把简历内容维护成漂亮网页，并稳定导出 PDF，让你像 vibe coding 一样编辑你的简历！项目开源在https://github.com/LiuMengxuan04/vibe-resume如果对你有帮助的话，求star！也欢迎pr&issues！

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...