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...

最近总觉得心脏有点不太舒服，就请了3天假去做检查，想着我一个实习生，就算请三天假，也无伤大雅+1之前跟我就不太对付，总挑我的理，说这不行那不行，“你这学历到底是面上来的，当初面你简直大错特错”请假审批都走通过了，我昨天都已经到医院了，+1跟我发消息，说这部分你三天的交接文档有问题，如果你现在不回来解决，你的实习证明还想不想要了？我当时也没想那么多，毕竟就是奔着证明来的，反正也没出市，就赶紧跑回去了。现在想想，他一个人也左右不了问我的证明到底给不给我，早知道就应该装看不见消息了病也没看上，假也没休着....

还在背八股，完全不敢投，还有哪里可以优化么😭😭

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...