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...

应届生找不到工作，求大佬指点一下简历有什么问题吗🥺

目标小厂

1.你好，你在这两个项目中有使用ai进行配合开发吗？2.你先发一个gitee仓库链接，我们先看看。3.你平时一般使用什么ai工具进行配合开发？你使用ai配合开发的模式是啥样的?4.你的功能拆分是怎么做的呢？你如何保证ai写出的代码是符合预期的?如果不符合预期，你是怎么进行迭代的?5.第一个项目你说是团队负责开发的，后端技术主要都是你负责的吗？你觉得一个团队开发，重点在于什么，你可以举例说明一下？6.如果现在要给你的系统增加一个“医生端AI助手”，能自动总结患者历史问诊记录并给出诊疗建议，你会怎么设计？用到哪些技术栈？7.我刚才看了一下你的gitee项目。这个项目主要是使用ai做的吗?8.在开发...