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...

b站timeline：5.21  一面 5.22通知一面过5.26 二面 5.27通知二面过5.28 hr面 oc+发offer 6.9入职主播投递的比较晚4.22开始投递，继鹅一面挂、节一面挂、tme一面挂、腾讯云一面过泡池子后终于迎来暑期唯一嫡长offer要从👋子离职了，想来还是非常不舍得，一个是工资待遇不错，一个是确实很闲，mt还问不如留下来秋招走，希望没有选错TT有在上海的uu可以一起玩一起交流

xdm，开发投麻了，顺手试试投了测试，但是又有点犹豫1. 如果干了测试，以后找正式的开发是不是会更难？（没到万不得已，我还是想走开发）2. 合同签一年，这个会不会太久了？值得一去吗？给点建议

4年前端开发经验，我是今年3月25号被裁的，被裁之后就一直在投简历面试找工作，直到现在（6月4号）终于拿到了一个还凑合的offer，来聊聊我这几个月的感想。如果用4个字来概括现在的行情，可以说是大雨倾盆，而你的伞属于是风吹了一下直接能吹断的那种。详细的数据可以以我为例：这几个月，我沟通了800+公司，80%直接未读或者已读未回，剩下的公司，大概三分之一会要你简历，其余的直接说不合适，这三分之一里要你简历的，最终能约到的面试大概又是3分之一左右，这一层层漏斗筛下来，差不多有十家多一点给了面试机会。这个体感你们可以自己掂量下，有一个非常残酷的事实是，所有给我面试机会的公司，几乎全部和AI有关，如果...