AI面真的不建议瞎说

第一题：反转字符串 class Solution(object): def subsitute_numbers(self, s): """ :type s: str :rtype: str """ count = sum(1 for char in s if char.isdigit()) # 统计数字的个数 expand_len = len(s) + (count * 5) # 计算扩充后字符串的大小， x->number， 每有一个数字就要增加几个长度 res = [''] * expand_len new_index = ...

我觉得我们这些应届生太容易被网上的声音带节奏了。一会儿说"小厂就是坑"，一会儿又有人说"大厂就是螺丝钉"。但每个人的情况不一样啊，有人适合在大厂的体系里稳步发展，有人就是喜欢小团队的灵活和自由。我有个学姐在一家十几个人的公司做到了合伙人，也有学长在大厂三年升了两级。路不只一条，关键是你选了之后就全力以赴地走。与其焦虑选哪个，不如把精力花在提升自己上面，去哪儿都不会太差。

1. 为什么选择这个方法？是否尝试过其他 Baseline？效果对比如何？ 回答范例与解析（以选择 SAC 算法为例）： 在我的机械臂抓取项目中，我最终选择了**柔性动作评价（Soft Actor-Critic, SAC）**算法。   尝试过的 Baseline：  DDPG (Deep Deterministic Policy Gradient)：由于是确定性策略，在具身连续控制中探索能力极差，极易陷入局部最优。 PPO (Proximal Policy Optimization)：虽然稳定，但作为 On-policy 算法，样本效率（Sample Efficiency）太低，在真实机械臂...

下周开始我要白天上班偷产出晚上下班练算法有空就去学 ai五月我要进大厂