杭州滨江滨兴家园独卫单间转租，首月1000

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...

主要5月20号开始投递，投了广深的每个中大厂。只有字节约面试，字节一面5月28日，和面试官聊的很好，但是最终也是杳无音讯。除了字节没有约面试，boss投了100多，0回复或者回复时间不合适。第一个项目是自创的，自己想的，第二个是天机学堂自己改了一下，升级很多点。hot100已经开始二刷了，但是迄今为止没有约面试，约面试也是杳无音讯，求各位大佬帮忙看看为什么，为什么这么难啊。

午休完裸面，网易某部门。 困死我了😵

牛爷爷们，求锐评，不玻璃心