第310场周赛

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...

这种是面评脏了吗 被冻结了吗😭 该怎么自救呀

我想问问佬们，我这个专业技能是不是吹牛吹大了😭以及这个简历还有什么能改进的地方，求求了

时间：2026.2.26一面（测试组长面，线下面，15min）：1.自我介绍2.实习、工作，项目经历3.做过自动化吗4.用例是自己写的还是别人写好你执行5.怎么测多模态模型6.为什么选择做测试而不是开发7.了解我们公司的产品吗，说一下8.上一家公司离职的原因9.看你有一段时间是gap期，这段时间在做什么（雷区，千万不要答考公）10.反问 年后第一场面试，状态极差，有gap期绝对不能答考公，只能回答学习、考研下岸等之类的，面试官听到“考公”两字直接没有任何耐心，而且也对我简历上的东西不感兴趣，最后连简历都不收还给我了，15分钟秒挂#牛客AI配图神器#