帮朋友问个问题关于留学生的

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...

双非来之不易的机会啊4.30腾讯一面 当天晚上约二面5.7腾讯二面  当天晚上约三面5.8腾讯三面 当天晚上状态变为hr面许愿🙏因为在实习，投暑期有点晚了，只有百度和腾讯约面许愿，来之不易的机会啊更新：5.12hr面试 口头offer 发云证，状态变为录用评估5.15oc啦

10天四面，速通字节，终于结束了😡

先说说本人情况，实习快两个月了，目前实习节奏和强度始可，现在是在做新需求，我参与的也比较多，从前辈身上也能学非常多东东西，mt和组员都非常好非常包容，昨天下班后还一起聚餐了，目前整体的团队氛围我很喜欢。前两周mt还主动和我1对1谈话，觉得我最近做的不错，这两周结束后看表现会去跟N+2求转正资格，爽之爽之。但是现在实习话感觉人班味越来越重了,下班后就想赖床上不想学新东西，面经也很少看，现在有接到面试全推到端午后了，平常根本就没精力去备面试，在这边实习后心态也有很大的变化，对学校里的课程的重视程度也在不断降低，越到后面越在思考学校的意义是不是就在于有个学位证，有点话密了。现在也挺迷茫的吧，想听听牛...