海投200家，终于拿到了一个offer

1、make_shared 了解过吗？答案：了解。make_shared 本质上是用来创建 shared_ptr 的工厂函数。和直接 shared_ptr<T>(new T(...)) 相比，它通常只做一次内存分配，把对象本体和控制块放在一块连续内存里，所以性能更好，缓存局部性也更好。另外它异常安全性也更强，像复杂表达式里直接 new 可能在构造 shared_ptr 前抛异常，make_shared 可以避免这种问题。但它也不是所有场景都适合。比如对象特别大、你希望对象和控制块分开释放，或者需要自定义删除器，那就不一定用 make_shared。因为只要还有 weak_ptr 持...

0offer0约面  

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： ...