28 届硕，求助各位大佬🙏

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...

美团耐面王又来了，上次一面挂后，隔了一个多星期才在昨天周三给我捞起来，约的今天下午面试，想延期都不行，赶鸭子上架面了，正好还赶上目前公司的周会，跟面试官姐姐通融了一下终于是在迟到了5分钟的时候顺利开面。部门是基础研发平台，具体业务是服务器相关的一些开发，可能还要包括一些运营的工作，ai相关的部分可能就是一些智能客服项目。这次没录音，只能想起部分题目1.你本硕都是网络安全出身，怎么会想到走java开发呢？2.你这个工作流平台主要能用来解决什么问题？3.DAG是什么，为什么要进行检测？4.策略模式和模版方法在项目中到底是如何应用的？5.agent的特点有哪些？6.如果让你继续改造现有的工作流项目为...

这个部门太黑暗了，真的校招去这个部门，建议赶紧找别的offer