许愿工商银行科技菁英计划offer！

1、项目里负责的边界是什么？哪些内容是亲手实现和验证的？2、如果要做一套可落地的 Agent 评测体系，整体怎么设计？评测一般要分离线和线上两层。离线评测解决“改动前后谁更好”，线上评测解决“真实用户下效果是否稳定”。离线侧我会先把样本按场景拆开，比如知识问答、工具调用、多轮追问、拒答场景、多语言场景、长文本场景，然后分别看回答正确率、工具调用成功率、检索命中率、拒答准确率和格式稳定性。线上侧看用户行为指标，比如首轮解决率、转人工率、二次追问率、平均耗时、token 成本和异常率。Agent 不能只看最终答案，通常要拆成三层指标：检索层、决策层、生成层。检索层看有没有召回正确证据，决策层看有没...

今日首蚌，真的很难绷住

最近，关于中国外卖行业的市场格局，多家数据机构给出了截然不同的“王者”画像。在易观的报告里，淘宝闪购市场份额45.2%，打赢了美团，成为第一，虽然不是“绝对第一”（仅领先0.2个百分点），但也可以说是赢了。而在去年被艾瑞给出了31%市占率的京东外卖，易观报告里只有8.4%。说到艾瑞，之前艾瑞连发两份报告，第一份说京东外卖市场份额31%，第二份报告说京东拿下33.5%，仅次于淘宝闪购的34.2%，而美团只占据28.9%。京东和淘宝闪购，在易观和艾瑞的报告里，都赢了。但是，在国际大行瑞银的报告里，美团的市占率是67%（骑手应用停留口径测算），换成订单量口径也有51%，这跟摩根大通的数据比较接近（美...