九本大学（学院本），27届。目前0段实习，现在手上有两个offerr，一个创业惠康的offer说前期实习生不分流（看网上帖子，大概率进去干实施），另一个某某研究院的后端开发岗算是小厂。该如何选择，本人还是想往java开发发展的

牛客网你tm用的哪个时区的时间

27届双非本科，软件工程专业，想找前端开发和全栈开发，投简历才发现找工作有多难，正在备考系统架构师，准备考公试一下吧。有没有人可以帮忙看看我的简历，有哪些需要修改的地方。感谢

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： ...