浦发银行

确实同质化有点严重了，有实习经历的还好，没有实习只有项目的；一部分还是外卖点评啥的，一部分是AI问答、RAG知识库，大家的简历技能都差不多，那就只能按照学校/专业/眼缘去筛人了；尤其在vibecoding出项目速度极快的当下，可能后续会越来越看重实习经验了，hr推给我的简历，除了学校以外，我自己也会优先看看有没有真实的实习经历，只能说成也AI败也AI，能实习就实习吧如果是学校背景不太好的友友，也别执着于逆袭进大厂了，先有班就上吧，我们团队今年就有1年经验从小公司来的，主要也是他过往做的业务垂直对口了，上班不是在做玩具项目，你是真实在解决业务问题，哪怕你自己没做什么，你跟着一些社会人士，也是能吸...

要简历的不少，但没面😥同学都在实习，好焦虑😢

所以这种问题（问在不在xxx）到底应该怎么回答啊

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...