字节跳动内推 字节跳动内推码

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： ...

牛友们，被快手约面了，想了解一下这部门和面试强度，有友友面过吗，这个是不是不算暑期实习呢?

目前各个大厂都投了，就快手给面了其他都在初筛泡池子。是不是简历太不对口了。有没有大佬给看看，这么差的简历是不是不配找工作啊😭😭加更字节简历挂快手一面生死未卜其他泡池子加更3.25快手一面过wxg约面3.26wxg 很明显 kpi 面上来五道题，mid hard 都有，然后随便问点八股就走了。3.29拼多多笔试 ak携程笔试 a3.33.30美团约面快手二面

1. 你做的 Agent 项目整体架构是什么？答：一个比较完整的 Agent 架构一般包括四层：用户输入层、规划决策层、工具执行层、结果整合层。用户输入进来后，先做意图识别和上下文整理，再由大模型决定是直接回答、检索知识、还是调用工具。工具层可能包括搜索、数据库查询、知识库检索、接口调用、代码执行等。工具返回结果后，再交给模型做总结、归因和最终输出。如果是生产环境，还会多一层治理能力，比如权限校验、超时控制、重试、日志、观测、敏感内容拦截。Agent 和普通问答最大的区别，就是它不是单纯生成文本，而是“模型负责决策，外部系统负责拿真实信息，最后再由模型组织答案”。2. Agent 为什么不等于...