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...

华为这一块还是权威👍

我要同无赖公司战斗到底

经常有人说，设计岗找不到工作，只能去外包怎么办？我不想去外包，也就不会投外包，如果算上外包至少300家起步，外包公司真的巨多。如果有分辨不出是外包公司的可以发评论里求助。按照城市划分，主要以游戏美术为主，少量互联网掉落。按照首字母排序，主要以有校招的公司为主。1、北京【搜狐畅游】知名wlb，现在没什么新爆款，游戏比较老，地皮值钱，流程会很慢，曾过了一个月才约面，但口碑不错【点点互动】买量大厂，能进的推荐去，广告很有创意【完美世界】hc少，比较老牌，正统，Red色，要求高。新作异环不如预期，但幻塔工作室在苏州，苏州篇会单独讲【字节跳动】把沐瞳卖了后游戏美术很少了，互联网方面的设计还在招，面过抖音...