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...

目前只有wxg约过一面，手撕没撕出来就挂了

没想到小丑竟是我自己，本来没想这个事，但是当看到这个话题，我自己盘算了一下，我居然是我历经大厂学历最低的。 总体来看，虽然92也有漏网之鱼，但90%的基础素质都很高，毕竟寒窗苦读十年，人家的付出不能算白费。但是你说有多么惊才绝艳嘛，那也不至于。 92保证了基本的起点和素质，也就是底线，但没并有保证上限。而事实证明，不管多牛的人，可能最后都会背上房贷，然后鸡娃，然后一代又一代循环往复。（根据我观察的情况来看，双非本不是没机会，但是你要战胜92的竞争者才可以）一、华为 当初为了进华为，确切来说是华为OD，宵衣旰食啊。早上8点起床刷算法，中午吃个外卖或者泡面，边吃一边刷，有时候饭都吃不完，一直干到晚...