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： ...

一开始签了个AI coding什么的，当时想欸这么好可以用AI？（似乎那个AI coding是ai面试？）然后再看又是切屏不计入，又是允许本地IDE，干脆直接chatgpt启动了出来和大家讨论发现好像不能用AI上小红书搜发现这么干的不是少数，尤其是本地IDE直接是cursor和trae的而且发现这个问题去年秋招就有人问过，更离谱的是当时有的人问HR，有的HR说可以有的说不可以现在发了邮件去问招聘团队了，感觉是细则没写清楚要是直接说不能用不如直接签到题走人更省时间

1. FreeRTOS 中任务栈溢出是如何检测的？configCHECK_FOR_STACK_OVERFLOW 的两种模式有什么区别？答：FreeRTOS 提供两种栈溢出检测方式，通过 configCHECK_FOR_STACK_OVERFLOW 配置：模式1：在任务切换时检查栈指针是否超出栈边界。速度快，但如果溢出后栈指针又回来了，可能漏检。模式2：在任务创建时用固定值（0xA5）填充整个栈空间，切换时检查栈末尾的几个字节是否被改写。检测更可靠，但有轻微性能开销。两种模式都会在检测到溢出时调用 vApplicationStackOverflowHook()，用户在这里处理错误（比如打印任务名...