美团挂了，秋招仍未结束

一、为什么 Agent 评测比 LLM 评测更难？ 传统 LLM 评测（现在当然更复杂维度更多元化）关注的是文本生成质量——回答是否流畅、事实是否正确、格式是否合规。但 Agent 是一个完整的系统，它要自主决策、调用工具、与环境交互、在多轮对话中保持状态。这意味着：  不能只看最终输出，还要看中间过程是否合理（中间过程非常重要） 不能只看单次执行，还要看重复执行是否稳定 不能只看功能正确性，还要看性能、成本、并发能力 不能只在单一场景测试，还要覆盖工具调用、长上下文、多轮对话等维度（工具调用的能力评测也是目前的难点与重点）  LLM 评测像测发动机，Agent 评测像测整车——必须综合考察在...

没课的下午，我决定干一件事：把积攒了一周想投的公司全部投掉。 清单上的10家：字节、腾讯、美团、百度、京东、快手、网易、小红书、滴滴、B站。【14:00 - 准备工作】先打开网申助手确认信息是最新的（之前改过一次项目描述），然后按顺序开了10个tab，每个tab对应一家公司的招聘页面。【14:10 - 开始投递】第一家字节：打开网申页面，助手自动填了基础信息，我检查了一遍，补了开放题（为什么选字节），提交。耗时4分钟。第二家腾讯：同样流程，自动填、核对、写开放题、提交。耗时5分钟。第三家美团：基本一样，但美团的开放题有两个，多花了2分钟。耗时6分钟。【14:35 - 中段加速】到第四家百度的时...