字节逐渐将QA转研发/全栈,传统测试岗位生存空间越来越小,接下来做测试,要么具备研发能力,要么具备AI+测开能力,你能够提效多少,可以帮助团队干掉多少人力成本,你的价值就越高,正如最近听到研发同事讨论做一个自动解bug的智能体,这将大幅度减少研发HC,我们只有亲手毁掉这个行业还可利用的资源空间才能让自己有资本生存下去,AI并不是要替代这个行业,而是一次全新的变革,如何适应这个环境的变化,是每个人需要思考的事情

已oc

还有这黑话吗，黑话也说不过ai了😭  

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...