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...

绷不住了

4月初开始投的，学的太杂了，啥都不精，虽然投的也不多，但是目前就三个笔试，其他的还在筛选中，0面。暑期实习到底在招什么人？

快四十分钟~1.实习项目拷打1，前面一个还好。问的挺深的，10min2.实习项目拷打2，这个是我太菜了，没了解全，一个优化接口 15min3.Agent框架的探讨 10min4.反问 5min---面试官人很好，给我项目两个点拷打的要寄了，也是自己没完全了解清楚，用AI写完，测完就结束了