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...

10天四面，速通字节，终于结束了😡

28届想找Java后端实习，这个bg和简历能找到吗😭😭

下午发现室友线上面试的时候拿AI作弊（就是切屏然后问AI照着念那种），结束以后我调侃他这么做是不是不大好。他给出的答复是（非原话，但大概是这么个意思）：“1. 除非是那种我一点都不会的问题我会问，否则我还是尽力去用自己的话来说，或者是连续追问了好几个问题都不会的，这种情况下可能会用AI缓解一下尴尬的状况。2.如果问的问题你真的不了解的话，那你用不用AI没啥区别。AI只能给你输出那么一点点固定长度的解释，你到底聊不了解这个东西面试官从你的回答神态一眼就能看出来。总而言之，是你的offer怎么着都是你的，超越能力范围的你作弊也没用。”回想他说的这些话，我现在越来越觉得还挺有道理的，不知道大家对这种...