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...

只能说兄弟们坚持

双非学历之前校招的时候boss拉满了，都是招呼别人，也很少有人理我。现在有了个title投社招一堆人招呼我，体验到了92投boss的感觉，别人主动给你打招呼。上午大概发了十几个左右的招呼下午就约了两个面试。回头给牛友们发一下社招的面经。

去年秋招行情有多烂，相信经历过的人都懂。我当时投了一堆简历，大多石沉大海，面试也是屡屡碰壁，心态崩了一次又一次。还好我爸妈特别通透，从来不会催我，一直安慰我、理解我。但比起残酷的求职行情，某些亲戚的“虚假关心”，才是真的让人窒息、内耗拉满。真的很反感一类亲戚，表面装作很关心你的样子，实际上就是到处打探底细，专门看你过得好不好，过得不好就暗地嘲讽。每次见面必盘问：找着工作没？薪资多少？在哪上班？上次家庭聚餐，有个亲戚当着好多人的面阴阳我：“念了十几年书，花那么多钱读书，到头来找工作还不如人家早早打工的，读书有啥用啊？”说实话，听完心里瞬间堵得慌。他们根本不管现在就业有多卷、应届生有多难，也不在乎...