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： ...

焦虑死了早知道就读研了

考研下岸了，大四上没去校招，现在没实习经验，简历投进去但是过不了筛😣，各位🐮友有什么高见吗

二面和一面完全不同，二面基本不问八股，上来就问项目，然后是系统设计，最后才有几道深度技术题。整场面试节奏很慢但每个问题都很深，他会顺着你的回答一直追问，感觉是在考察你解决实际问题的能力，而不是背答案。1. 介绍一下你做过的最复杂的项目，遇到的最难的技术问题是什么，怎么解决的？答：（结合自身项目回答，以下是参考思路）以一个电商订单系统为例，最难的问题是高并发下的库存超卖问题。问题背景：秒杀活动时大量请求同时到来，数据库的乐观锁方案在高并发下冲突率极高，大量请求失败重试，反而加重了数据库压力，最终导致数据库连接池耗尽，整个服务不可用。分析过程：用压测工具模拟秒杀场景，发现瓶颈在数据库层，乐观锁的 ...