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： ...

是简历有什么问题吗，求大佬指点要玉玉了

无实习加一般学历，求简历拷打

为什么你这个Agent项目选择用 SSE 而不是 WebSocket？是怎么考虑的技术选型 在最近的 AI Agent 相关面试中，我发现这是一个必考的“送分题”。如果仅仅背诵“SSE 是单向、WebSocket 是双向”这类基础定义，很难打动面试官。 面试官真正想考察的，是你对业务场景的适配能力以及对网络协议架构的深度思考。以下是我总结的深度回答思路。 一、 核心分歧点：场景驱动选型 在面试中，我通常会先抛出一个观点：没有最好的协议，只有最适合业务的协议。  SSE (Server-Sent Events)：本质是基于 HTTP 的“长轮询升级版”。服务器在处理完请求后，保持连接开启，不断推...