每日一更之365分OD机考上岸经验背景：上周香云的一个候选人刚出分，总分365.83/400，排前22%机考题目：一星题1：循环内存存取（82.5分）考点：环形缓冲区+内存对齐+重叠判断候选人原话：写指针对齐到align的整数倍（注意对齐后如果等于capacity，要绕回0）算写入后的结束位置判断会不会覆盖还没读的数据（read_index~write_index那块）能放下就返回新指针，放不下就-1他踩过的坑：wirte_index==read_index时缓冲区为空，可以随便写。绕回写入的时候要分成两段检查重叠，别漏了。一星题2：美观的灯笼（100分）考点：最长连续非递增子数组，一次遍历就...

我简历到底怎么样啊，现在马上5月份了，还没有找到暑期实习😥

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...