工作时长

面试能不能成，从来不用等最终通知才见分晓。面试官关于「入职时间」「通勤距离」的每一句提问，早就藏好了对你的意向度，藏着是否发 offer 的核心信号。今天就把面试官的潜台词拆解透彻，帮你一眼分辨高意向反馈、待定机会与拒信预警，精准发力不内耗，稳稳拿下心仪 offer。一、高意向预警！这些话，说明面试官已经认准你了当面试官说出这句话，别怀疑，你已经在他的录用名单前列：“你最快什么时间能入职？我非常看好你，最好别再面其他公司了。”这句话的潜台词，根本不是逼你立刻入职，而是在传递「我们对你极度满意，不想你被其他企业抢走」的核心信号，是面试中最高级别的正向反馈。此时别谦虚、别犹豫，更不要说 “我还要再...

第一次找实习，求指点

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： ...