题解 | 查找输入整数二进制中1的个数

春招快结束了，C++ 还没拿到 offer 的同学，现在最该做的不是焦虑春招到这个阶段，很多同学已经明显慌了。看着别人陆续拿 offer，自己投了不少，笔试、面试也参加了，但结果总是不理想，心态很容易崩。但说实话，春招收尾还没拿到 offer，并不代表你不行。很多同学真正的问题，不是能力完全不够，而是准备方式有问题：复习很努力，但没有抓住重点；项目做过不少，但表达不出来；岗位投了很多，但方向并不匹配。如果你现在还没有 offer，先别继续无效焦虑，接下来最该做的是这几件事。先判断自己到底卡在哪 不要笼统觉得“自己太菜了”。 一定要先拆问题：简历投出去没回应，大概率是简历内容、项目包装、岗位匹配...

我是犯天条了吗？大佬们

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...