完全没人约面，之前唯一一个给面试的字节一面挂了，麻烦大家看看是哪里的问题？我认为可能的几个原因：1.大厂筛简历不看pdf，只看在线填表的简历，我因为没有竞赛经历，没有实习经历，英语46级分太低等等，好几个模块是空的2.没有实习经历（那现在要去找个小厂实习先干着吗？感觉对暑期实习帮助不大啊）3.pdf版简历本身有问题，但我实在是不知道该咋改了最近真焦虑坏了，有种不知道该往哪里努力的感觉，完全没面试导致我都不知道该去提升哪方面了，求各位大神指点指点

简历求拷打，有没有大佬给点建议😭实习经历不太会写，大部分都是做业务功能的没有很强的技术点😟

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： ...