字节两个部门都在简历评估中,一个是好久之前的投的部门,卡流程了,怎么办,求助

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： ...

3月底一面技术面结束，HR通知一面通过现在二面和三面有消息吗？感觉这个进度等很久了

背景由于所在的外企撤出中国，我再次开始了面试之旅。这次我没有选择大厂和小公司，而是主要聚焦在外企和中厂。经过一段时间的面试，我发现 2026 年的前端面试已经发生了显著的变化，特别是 AI 相关的内容占比大幅提升。面试内容分布根据我的面试经历，2026 年前端面试的内容分布大致如下（本人接近十年工作经验，仅供参考）：coding 20% （LeetCode 算法题和手写代码各一半吧）八股文：20%（主要是 React Fiber 等核心原理）项目经历：30%系统设计：10%（如设计一个支付页面）AI相关问题：20%（这是 2026 年的新重点）可以看到，相比几年前，AI 相关的内容已经成为面试...