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...

我想大三寒假找一段大厂实习，所以今年暑假的话想的是先面小厂积累一下面试经验，请问各位这份简历有什么需要修改的吗？

12月多考完研想着找个实习先过渡一下1月末线上面了一家深圳的跨境物流公司，JD是负责爬虫，反爬虫，逆向。HR人很好，因为人不在深圳，就说线上面试就可以了，然后因为在校的时候做过几笔类似的物流爬虫订单，就当项目写上去了，HR就问了一下用了什么框架，效率大概是每分钟多少条，怎么应对IP被封等等比较基础的问题，然后问了一些比较深的，比如对于企业网站应该怎么反爬，怎么绕反爬。答的还可以，有一点断断续续的后面HR就问了一些八股文（？），由于刚考完研，应对的还是很轻松，主要问了下计算机网络的知识（七层网络分别是哪七层），又问了TCP/IP协议那些，不过也没有完全答上来（毕竟408里还是计网分值没那么高），...