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...

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。

是AI吗？ 还不如AI呢😅

入职实习的前半个月，我一直误以为坐在我隔壁的小姐姐是公司的正式老员工。她做事沉稳利落，对接工作有条不紊，待人也温柔稳重，不管是对接业务还是整理资料，都做得滴水不漏，完全没有新人的生疏感，我心里还一直默默佩服这位前辈，偷偷向她学习职场做事的节奏。直到一次全员周会，主管单独点名点评了她的工作进度，还特意提到“作为实习生，能完成这些任务已经很优秀了”，我当场愣住，这才恍然大悟，原来这位气场超强的同事，居然和我一样是实习小白！之后我发现了一个更让人羡慕的神仙操作：她每天都准点到点下班，从来不会加班，对比我每天跟着团队内卷、偶尔还要多留半小时收尾工作，我真的狠狠破防。忍不住好奇找机会问她原因，她才笑着告...