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...

快手的hr想要我一个肯定回复，放弃其他家offer但是手上有一个腾讯的岗位录用评估中，昨天（6.2）刚hr面试完，可能要一周内出结果腾讯这边没确定下来不想放弃快手这边的offer，还是想去腾讯多一点，但是担心被横向，确实是暑期尾声了，被横向掉就糟了uu们有什么好的建议么？下午快手的hr还要跟我电话沟通，估计就是让我快点做个决定—————分割线——————6.4 腾讯oc了 还是有鹅选鹅吧 再见快手

投了很多，一直没能进面

本人非代码专业+双非学校，目前在转行做AI工程师，好多人私信我具体怎么学的、有没有系统性的资料推荐。其实我当时也没有找到一套特别完整的——要么只讲理论不写代码，要么只覆盖某个方向，要么英文的看起来太累。后来我在 GitHub 上找到了这个项目：AI Engineering from Scratch，24k+ star。它把 AI 工程从数学基础到多 Agent 系统全部拉通了，20 个阶段 468 节课，每节课都有可跑代码。跟我当时的学习路径基本对得上，只不过人家结构化做得比我好太多了。但全是英文的。我知道很多人英文阅读没问题，但学新东西的时候还得同时处理语言层，确实会慢不少。所以我就花了点时...