许愿，等一个电话

1. 必须熟悉 DDPG 、 PPO 、 TD3 、 SAC 等算法的原理和区别。 这四种算法是连续控制（如机器人控制）中最常用的深度强化学习算法。 PPO (Proximal Policy Optimization)   原理：PPO是一种同策略（On-policy）的策略梯度算法。它使用截断（Clipping）机制限制新旧策略的更新步长，防止策略更新“翻车”。   核心公式：    数值计算示例： 假设在时间步 ，GAE计算出的优势函数 （正数，说明这个动作很好）。 设定截断超参数 。 如果新网络过于激进，导致新旧策略概率比 （新策略采用该动作的概率是旧策略的1.5倍）：   原始目标： ...

offer审批等了三天今天终于下来了，一个不好的消息就是暑期变日常了，但是hr说还是可以转正，感觉转正机会还是很渺茫的听说也是晚上十点十一点下班

很多友友不知道怎么校招选国企，朝着这三个目标前进三类值得进入的央国企• 第一类：垄断型国企或政策性银行举例：中国烟草、国家电网、三桶油、三大政策性银行，铁路等。优势：应届生进入后，待遇和未来发展前景较好，不会失业类似公务员。• 第二类：受国家保障的央国企（如军工类企业，中储量，邮政）特点：工作稳定、福利待遇一般，且“不可能失业”。• 第三类：省属市属总部国企机关适合人群：家庭条件较好、追求稳定工作的求职者。优势：工作内容管理为主、待遇尚可，无业绩压力、离家近，“工作生活两不误”。#春招至今，你的战绩如何？##工作经验#