从研一开始，因为导师项目的原因，就经常去电网、科研院之类的单位开会、答辩；研二到研三，又因为项目，在某个军工研究所里驻场了一年多；毕业后入职了一家央企，到现在入职快要一年了，在央国企待的这些时间里，会有一个很大的感悟：人得越“尖酸”，日子往往过得越舒坦。一、为什么会变尖酸：这个环境本身就是个酸缸不知道其他在体制内或者央国企的朋友有没有同样的感受？刚入职那会儿，大家都想当个好好先生，说话客客气气，凡事积极配合，谁找你帮个忙都乐乐呵呵接下。但很快你就会发现，在一个本身就充斥着潜台词、冗长流程和低价值消耗的环境里，你越是温和、越想保持“正常”，反而越容易被反噬。有几个很典型的现象，很多人进来之前完全...

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。

4月底陆陆续续开始投递，面试寥寥，pdd、美团笔试被筛腾子WXG周二面的，面试官全程不开摄像头，问的无关紧要的问题，面了1h40min，现在官网流程还卡着；腾讯音乐，昨下午面的，问题都答上来了，和面试官聊得很好，晚上回去看秒挂；快手一面挂，卡在了很简单的一个手撕，用的dp但是双指针就可以解决；嵌入式一家约面的都没有，现在高通投晚了没回，英伟达约面的还是做研发套件的，大疆、mmt没有嵌软岗位，其他自驾车厂和手机厂投了没有消息。已经对暑假实习和秋招没有念想了，现在保研也拿不到正保，考研的话也太晚了，前途一片完犊子

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...