字节内推 内推

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...

小米top2简历全挂（但我同学已oc）

各位佬，我这简历可以找到实习吗😭

一面感觉还行，问了Redis和项目，手撕是LC3。面试官挺温和的，我答错的地方还提醒我。二面直接换人了，风格完全不一样。 第一个题就问了我一个场景：如果QPS突然到10万，缓存一致性怎么保证。我答了Cache Aside，他说如果Redis挂了怎么办。我答了降级，他问降级之后数据库扛不住怎么办。我……愣了一下，说可以限流+本地缓存，他说本地缓存数据不一致怎么办。我服了，这题没有尽头。然后问了HashMap扩容。我以为很简单的，结果他问为什么1.8改成尾插法，头插法会死循环是怎么发生的。我画了图给他讲，他说如果两个线程同时扩容，指针具体怎么跳的。我脑补了一下，讲得磕磕绊绊的。系统设计题是短链服务...