怎么回事啊迪子

2016年大学本科毕业来到广州羊城。使用羊城通刷卡乘坐地铁和公交。广州的程序员面试笔试和面试。没有使用校园招聘的身份进行企业的初级筛选。社会招聘不会有企业的试用期。试用期工资8折的方式缩短成为三个月时间。精明购 面试的时候笔试技术笔试还好但是涉及到企业行政性质的智商测试题目无从下手。想从事Java初级实习生的工作想法还是无法认可。多益网络 广州比较著名的游戏公司。实在是大型的劳务大省需要面试者辗转才可以找到公司的研发大楼。  但是接听到的电话面试是简述处理Java后端的交易日志log信息的过程和处理方式。知道什么会把自己的想法和解决方案提供给面试官。面试官是一位中国建设银行的项目经理。通过面试...

感觉我的简历在本科生中也不算差，面试的时候八股和算法只要不挖的太深都回答的上来，为什么老是被一面挂😭最近被一面挂麻了，即使问了面试官对我的印象说还不错也仍然被一面挂，真有点怀疑人生了😭

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： ...