建信金科BigData中心（厦门）招聘-大数据、人工智能岗位

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...

26届设计找不到工作啊  

她只知道我"在找工作"。每次视频她都问："今天怎么样啊？"我能怎么说？"今天笔试挂了一场"？"今天面试没过"？"今天投的简历已读不回"？说了她也不懂"笔试""AI面""HR面"都是啥。她只会跟着着急。所以我每次都说："还行。"她就放心了。然后开始跟我聊家里的狗下崽了、小区门口的超市关门了、隔壁奶奶摔了一跤。这种对话我以前觉得啰嗦，现在我就想听她说这些。比什么"加油宝贝"有用多了。

Codex 最近的热度非常高，和 Claude Code 一起成为继 OpenClaw 之后，AI 圈又一个炙手可热的词。反正我是文用 Claude Code，武用 Codex。两个配合，天下我有。上一篇我们分析了 Claude Code 的 CLAUDE.md，今天我们来分析分析 Codex 的 AGENTS.md。有一说一，第一次写 AGENTS.md，总觉得他就是个 README。但随着对 Codex 的深入使用和理解，逐渐有了不一样的认知。确实都是 Markdown 文件，但写得好和写得烂，Codex 的工程能力差距能有天壤之别。可能很多小伙伴没有时间去分析，今天这篇我花了很多 tok...