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...

这个是啥意思啊？我不懂，第一次用这个。

1、这群人晚上 11 点发朋友圈："凌晨 11 点，三环的灯还亮着。" 实际下班时间：19:30。2、什么是嘉豪呀？我最近在字节实习，没什么时间上网3、同龄人：学校社团、酒吧蹦迪；我：acm、字节/腾讯实习4、别人朋友圈发：“今天不想上课”；我朋友圈发：“今天的班就上到这里啦”，定位：字节跳动5、别人的朋友圈都是到处旅游的定位，我的朋友圈天天都是“字节定位”，还一定要是在【公司的健身房】里拍张照片，实际只练了10分钟，其中凹造型5分钟6、mentor布置任务的时候，别人都是：”好的收到“，我：”是不是要xxxx，xxxx这么做也可以吧，这个技术方案会不会更好些“7、别人书包里装的：王道408、轻薄本、四六级真题。我书包里面装的：显存24GB4090独显gpu（24小时开机运行，屏幕上贴着“字节/腾讯等贴纸”）、速效救心丸（代码报错用）、电棍（熬夜写代码困了用），就很……你们懂吧8、入职大厂第一件事：发朋友圈、发小红书，晒工牌，985计算机硕｜字节实习生｜可以接咨询｜有偿改简历，9、别人的社交软件简介：25岁｜男｜希望遇见有趣的灵魂；嘉豪的社交软件简介：25岁｜程序员｜字节跳动工程师｜一张佩戴工牌的自拍照大厂嘉豪标配：1. 挂胸前的工牌（地铁里只挂不收，怕你看不见 logo）2. 降噪耳机（不放音乐也戴着，避免别人跟自己说话）3. 印 logo 的电脑包（字节红 / 腾讯蓝 / 阿里橙 / 美团黄）4. 手表（最好显示心率，午饭后必发"步数已破 6,000"）

确实同质化有点严重了，有实习经历的还好，没有实习只有项目的；一部分还是外卖点评啥的，一部分是AI问答、RAG知识库，大家的简历技能都差不多，那就只能按照学校/专业/眼缘去筛人了；尤其在vibecoding出项目速度极快的当下，可能后续会越来越看重实习经验了，hr推给我的简历，除了学校以外，我自己也会优先看看有没有真实的实习经历，只能说成也AI败也AI，能实习就实习吧如果是学校背景不太好的友友，也别执着于逆袭进大厂了，先有班就上吧，我们团队今年就有1年经验从小公司来的，主要也是他过往做的业务垂直对口了，上班不是在做玩具项目，你是真实在解决业务问题，哪怕你自己没做什么，你跟着一些社会人士，也是能吸...