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： ...

想先找个小厂

其实是简历求拷打 各位佬尽情拷打吧

一面：自我介绍skills和mcp的区别介绍A2A协议，主要是用在哪些场景 有没有实际应用过代码分析agent是做什么需求的，这种分析是文件粒度还是行粒度 agent进行代码检索是如何实现的，比如提到了某些功能或者是某些报错堆栈，agent是如何查找到的，没有具体行数的话是如何检索呢对RAG了解多少 做知识检索是用哪些方式做检索的 用了哪些中间件 了解过哪些做向量检索的数据库对大数据这边的组件有没有了解线程跟协程的区别描述一下什么是工厂模式操作系统的内核态和用户态都是什么，有什么区别什么是零拷贝 c++里面有哪些封装的接口是零拷贝的简单说一下常用的网络协议，http和rpc的区别，rpc的优势...