求校招Offer比较：滴滴 自动驾驶VStplink

于3月10号晚7点，收到招聘软件上的邀请投递初级Java研发工程师（薪资1.5w-1.9w）。投递简历收到回复，自我介绍是国企，做教育考试类项目，说以Java进行面试，进入Java全栈开发项目组，另外需要用到.net开发和Python，.net不会可以进组学习，然后问笔试和面试都是线下，是否愿意。因为本人那段期间要写毕业论文，故推辞了一下时间，差不多半个月后（3.27）去线下笔试和面试，笔试内容包括(数据库，逻辑推理，前端，Java后端，算法题一道)，大概写了70多分钟交卷，基本都是问答题，虽然hr说题型基础但是对应届生来说比较有难度，需要好好准备，尤其是算法题是十进制转换成平衡三进制，当时做...

刚加上这个hr，结果是个广子，发完第一句话就被封号了微信

1. 自我介绍2. PPO、TRPO、DPO 分别是什么，它们的核心差异在哪TRPO 的出发点是让策略更新别跨太大步，它通过约束新旧策略的 KL 距离，把优化问题写成一个带信赖域的约束优化，所以理论上比较稳，但实现复杂、计算成本也高。PPO 可以看成是 TRPO 的工程化近似，它不直接解复杂约束问题，而是通过 clip 或 penalty 的方式，限制策略更新过猛，因此在实践里更常用。DPO 和前两者不太一样，它不是传统在线 RL，而是直接从偏好对里学习一个“更偏向 chosen、压低 rejected”的目标，相当于把 reward optimization 吸收到一个更简单的监督目标中。P...