1 synchronized底层原理 2.voliate 为什么不能保证原子性 3.threelocal内存泄漏的原因 4.mysql为什么用b+树 5.事务隔离级别有哪些主要解决什么问题  6.mvcc原理 7.对ai的理解 8 skill作用 9 mcp是什么样的协议 10.怎么开发一个mcp服务 11上下文过大怎么解决  12.leetcode438. 找到字符串中所有字母异位词

想找暑假java后端实习 但是简历过不了 大佬们能帮忙看看嘛 谢谢！

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： ...