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...

目标暑假能搞到小厂实习

准备找暑期实习，八股背了js，react和网络的，还有一部分没看完。手撕代码还没看，hot 100还剩二十道mid没刷，其他基本能稳定写出来项目是横向项目，具体是什么名字应该不能放出来

大家都说腾讯被称为互联网中的国企，但事实却是不同部门的区别，可能比不同公司还大。你要是遇见不好的组，很有可能像我下面的朋友一样。简单介绍一下，他是校招进的字节，但是他觉得字节的强度还可以，干了1年多，但是后面被“广进”了，后面社招跳去的腾讯，但是腾讯的强度最近让他有点crazy。这可能很反直觉，所以我才会说不同部门的区别，可能比不同公司还大。那什么是腾讯里面好的部门呢？总体划分大致如下：WXG，最大护城河，无脑冲就完了，但是要求也贼高，手撕难IEG，游戏业务，现金流，但工作强度不小CDG，广告、金融，工作节奏较快PCG，QQ与各大内容平台，业务整体增速一般TEG，技术大佬云集，需要有探索新业务...