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...

学院本，几段实习都是那种20多个人的公司，接下来想去相对来说大一点的公司找一个能转正的实习，牛u们可以给简历一点建议不

大概六个平台，投了快小一千份了，一个约面没有。目前是在实习，转正答辩已过，但是工资只有5k，想找8k左右的，求大佬们拷打一下😩目前在贵州，想去深杭。

之前刷到好多同学吐槽学校、导师卡死实习，不准外出、卡审批卡到崩溃，我一直偷偷庆幸，也同时愧疚了好久。刚上研的时候我完全不知情，总默认所有课题组都管得严，根本不敢跟导师提外出实习的事，怕被直接驳回、挨批评。思来想去，最后干脆壮着胆子偷跑出去找了份实习。特别巧的是，入职之后居然在公司偶遇了我的同门，两个人面面相觑，默契谁都没主动提回学校的事，就这么安安稳稳在公司混了快一年。一直到我拿到暑期新实习offer，心里实在绷不住了，不想再瞒着导师，才硬着头皮主动坦白所有经历。我本来做好了被说教、被批评的准备，没想到导师全程特别温和，不仅完全支持我实习，还特意关心我异地实习的食宿、通勤和工作压力，叮嘱我兼顾...