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...

目前八股已经过了一遍，hot100也过了一遍，不知道能不能找一个中小厂的实习

学院本进不了开发岗吗

不吹不黑，就讲讲我自己看到的。2024届本科上岸，目前在上海张江某原厂写BSP，裸机/RTOS/Linux内核都碰，年包税前45w base。在这一行不算多猛，但摸爬滚打这一年多，多少有点东西可以聊。背景前情学校是某985的异地校区，大一大二参加过一些嵌入式比赛，成绩一般般，主要是给简历凑点东西。那段时间其实心思在C++上，琢磨着转互联网。大三才意识到该找实习了，套了个模板把简历填完，海投几天捞了几个offer，最后去了北京某RISC-V厂——虽然进去之后做的还是ARM SoC那套。本来想拿转正，但卡在本科学历上没成，刚好赶上九月，干脆回学校冲秋招。那时候手里已经有几个offer兜底了，心态没...