offer求比较：小米，东方财富

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...

在学校工作室里面的工位

hr给我捞走了，去别的组了面试问能不能接受日常（内心os：只要是字节去哪都行）中国交易与广告方向--客户端日常实习（和前面的压力面一个天一个地，这次的面试我也不知道怎么评价）非常神奇的一次面试，因为我是国外的大学，他上来也没让我自我介绍，问我为啥不去后端来客户端，然后我就猛夸客户端，然后说这好那好，我就和他分析起了市场行情，问我是不是后端混不下去了（os：怎么问的那么直接）接着话锋一转，开始和我聊起了国外的一些事，比如区别啊，人文啊，社会习性啊等等啦，我认为我啥区别呢，总结背后的逻辑，为什么会这样，其实他这个我觉得在考察我的逻辑能力吧（其实我很少出门这两年光在学技术了），然后问我怎么决策去哪个...