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...

心如死灰，工作到底该怎么找呀

腾讯校招公众号的数据，估计那77%都在横向

1.选项式api与组合式api的区别2.axios请求拦截器的内容3.组件封装，怎么封装（hooks)4.动态路由配置，权限控制（不同用户角色怎么进入）5.TypeScipt中type 和 interface 区别6.flex布局的理解7.组件通信8.拷打项目，基本上你口述项目中提到的技术栈都会问目前就记起来这么多感觉寄了，第一次线上面试太紧张导致很多都想不起来