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： ...

双非学校， 八股大概看了一遍，该去投中大厂吗，还是继续沉淀再投。

考研下岸了，大四上没去校招，现在没实习经验，简历投进去但是过不了筛😣，各位🐮友有什么高见吗

发现几个在GitHub 上跟 Vibe Coding 强相关的开源项目，跟大家分享一下第一个：aicodeguidehttps://github.com/automata/aicodeguide如果是零基础，或者一直觉得“自己不懂编程，玩不转AI编程”，这个项目会适合你。它本质上是一份AI时代的编程路线图，不纠结于枯燥的语法教学，核心是教你怎么用Cursor、Bolt、Claude这些工具，通过合适的Prompt指令，把想做的事情落地完成。我一直把它当作Vibe Coding的“新手村”，零基础入门首选。第二个：vibe-coding-prompt-templatehttps://github...