测评好多

本人大三，在找日常（暑期）实习，年后这一个月面了几家大厂，但都挂了，有的直接在初筛阶段就给我踢了。最好的就是字节进了二面（字节实习生一般三轮：技术面、主管面、HR 面），二面结束以后我过几个小时就点开邮件看看，心想这次一定要拿下，如果能进 HR 面的话基本就稳了。我面完当天晚上做梦都梦到拿到了 offer 给我乐醒了，打开手机一看原来是梦。第二天打开邮件收到了感谢信，心情直接跌到谷底。这几天一直在自我怀疑，就在想每天这起早贪黑的，睁眼闭眼就是算法代码，到头来还是一场空，真觉得挺没意思的。我的性格一直比较要强好胜，我太想要一个机会来证明自己，但是没有办法，无论是我的学历，学校，还是学术项目，竞赛...

AI 能力恐怖如斯……  

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： ...