子龙求职日记（实习1）

滴滴这周刚入职，感觉还没太适应，美团这边又打来了电话，居然周六也能面，顺便面了一下，部门是核心本地商业下面的基础研发平台，总时长30分钟左右，无手撕。顺带一提，美团这个岗和我现在滴滴的岗干的活几乎一样，都是数据平台相关...你的Java是自学还是说专业课学的？这两个项目是你自己练手的，还是参与什么比赛或活动搞的？我看你这两个项目时间都挺长的，大概至少两个月左右，是做了一个比较长时间的学习是吧？那你挑一个介绍一下，具体做了哪些工作？找一个你觉得最有难度或最有代表性的。你们也是学了现在典型AI的用法，然后加了一些新花样进去。那你一开始做这个项目的时候，加了这些东西之后有测试过吗？或者说你做完这个工...

在学校工作室里面的工位

对不住了bro哈哈哈哈哈

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...