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： ...

boss沟通400➕了就几个要简历的无一个面试，很多要27以后的，28太难了感觉找不到实习了😓😓😓

昨天分析了字节，今天来聊聊腾讯，腾讯目前在招agent相关岗位主要是社招为主，需要有相关经验的人才，不过应届生们也可以对照社招的标准去学习技能一、编程语言与框架Python（核心）+ PyTorch 等深度学习框架C++、C#、TypeScript 等语言部分岗位需熟悉游戏引擎（Unreal Engine、Unity）二、AI/ML 核心能力扎实的深度学习算法基础，熟悉 LLM、BERT 等自然语言处理技术RAG（检索增强生成） 架构设计Multi-Agent 系统设计和开发经验提示工程与上下文优化三、Agent 专项能力Agent 的“规划（Planning）、记忆（Memory）与反思（R...