## 整体流程 ​ 机试->网上综测->资格面->两次技术面->主管面 ## 各环节经验#### 机试：​ 在联系栗栗姐后，根据栗栗姐给的材料刷了刷题库。最后熟悉了一下答题环境，在牛客上刷了几题，和Leetcode的不同之处就是多了个输入的处理和输出的print。 ​ 机试需要用到电脑+手机摄像头，如果是台式记得网购一个，之后几次面试也用得上。机试的软件一开始还给我闪退了一次，说什么环境有问题好像，后面不管他直接重连就解决了。​ 机试由2道100分题和1道200分题组成，虽然说2道100分题做完才能进入200分题页面，但也可以随时返回100题页面进行修改。我遇到的2道1...

为什么面了八次次次都是一面挂，次次都不说原因，问了面试官就是插科打诨，为什么别人一面就过呢，真的没有缘分呀。不考编程就是脑筋急转弯的概率题，考了编程a了也不过没a也不过 总之就是不过，没一次二面，深深的怨念。觉得我不够资格就直接拉黑简历呗，每次都捞起来重新拷打一顿什么意思呢。

牛爷爷们  是不是实力经历写的太简单了该接着偷点产出 投了快半个月依旧0约面暑期实习  基本把开的大厂官网全投一遍了  求指点我想要去腾讯我想要去阿里我想要去字节我想要去百度我想要去美团我想要去携程我想要去快手我想要去pdd我想要去网易骗你的 我哪都想去😭 球球约个面吧

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： ...