论文写到致谢，恍了神，突然开始回忆着什么，于是一字一句的删掉，重新写上些学术正确的东西。在北京实习了大半年，辗转三个出租屋，历经冬夏秋。飞宇、玲艳、一沛、春龙、尘心、轻寒、阳、树、博超、新源、俊鹏，这些名字留存着那段记忆，同事们都是很善良的人，偶尔想起也会感慨良久。中考、高考、考研、工作。关乎生存的事情总是必要且正确的，但不该只有生存，每当在图书馆自学到至疲至倦时就去回味jyy老师充满热情的os课程，能让我回到那种第一次将代码运行起来的简单的快乐中，渐渐消失的快乐。秋招结束后就很少看牛客了，我的帖子八股居多，现在看来已经失去价值所以删掉了。牛客上大家的面经对我很有帮助，衷心感谢大家。另外我也通...

沟通了400多份，没什么人理，有一个还是还这种😭😭😭

要了简历逗逗我吗，😭，是不是简历是一坨，请教一下佬，不玻璃心

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...