58同城oc

暑期实习，无手撕1.自我介绍2.高考成绩是多少？3.为什么选择现在的学校？4.为什么选择现在的专业？5.现在AI很火，你了解哪些？6.详细讲解一下RAG。7.LangChain和RAG有什么区别？8.你有实际用过吗？9.详细讲解一下你的第一个项目，遇到的难点有哪些？10.Redis CAS乐观锁是怎么做的？11.死信队列是怎么用的？12.如何处理死信队列中的消息？13.详细讲解一下你的第二个项目，遇到的难点有哪些？14.10000QPS，单机4核8G内存，5个接口，如何设置线程池的各个参数？15.详细讲解一下应该用什么队列，大小怎么配置。16.MySQL为什么用B+树不用别的？17.项目有用到...

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： ...