求问航天三院35所

Offer1：长龙航空维修,杭州,信息技术岗,10.0k*12.5,Offer2：多益网络,其他,数据分析师,15.0k*14.0,

人傻了，这就是新时代面试么

bg211，暑假才转回南京校区😭😭根据星球做了一份简历，项目是一个rag+点评不知道能不能进八股简历上写的背的差不多了，hot100刷了一半，暑假想留校实习，做日常或暑假实习，求各种大佬指点，不玻璃心😭😭

一、为什么 Agent 评测比 LLM 评测更难？ 传统 LLM 评测（现在当然更复杂维度更多元化）关注的是文本生成质量——回答是否流畅、事实是否正确、格式是否合规。但 Agent 是一个完整的系统，它要自主决策、调用工具、与环境交互、在多轮对话中保持状态。这意味着：  不能只看最终输出，还要看中间过程是否合理（中间过程非常重要） 不能只看单次执行，还要看重复执行是否稳定 不能只看功能正确性，还要看性能、成本、并发能力 不能只在单一场景测试，还要覆盖工具调用、长上下文、多轮对话等维度（工具调用的能力评测也是目前的难点与重点）  LLM 评测像测发动机，Agent 评测像测整车——必须综合考察在...