软件测试求捞

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： ...

一股神秘的力量，我是不是被资本做局了

恐怖如斯

测试的时候有没有测出过问题，怎么解决的进程跟线程的区别浏览器里面就输一个正常的一个网址 这个从回车开始，输入请求到最后这个页面展示，中间经历了啥？设计数据库的话，要遵循哪些原则？C++里面那个泛型是怎么实现的C++里面模版是运行的时候实现泛型还是编译的时候什么是多态指针和引用的区别什么情况下会导致内存泄漏删除数据库的方式假设设计一个系统，一个select语句很复杂执行很慢，有什么排查和优化的方法知道索引吗，哪些字段适合做索引假设这个你现在负责一个测试的一个类似于电商系统，一个电商的平台，比如淘宝这样的，这是一个新的一个系统。所以里面很多模块都是新的，那这一次新增了一个新的模块，是关于用户下单。...