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： ...

上周三约了字节的这周一晚上的面试，对应的hr加我微信了当时，第二天我就考虑了准备再做新项目转agent开发所以给这个hr说取消了，结果今天字节打电话问我为什么没有面试，这怎么办是不是面评完蛋了

一、static_cast 最常用的普通类型转换。用于编译时进行类型转换，不进行运行时类型检查。可以进行向上转换（隐式，不必使用），也可以保证合法向下转换（但不一定安全，只是让编译器认为安全，安全由程序员来保证），但不允许无关转换。二、 dynamic_cast 运行时类型检查。主要用于向下转换，将基类指针/引用安全地转换为派生类指针/引用。在转换失败时返回 nullptr（指针）或抛出 std::bad_cast异常（引用）。成功条件：基类必须有虚函数，要不然不是多态；要转换的目标类型必须是对象的实际类型（或者是派生类型）。三、const_cast 可以消除 const 或 volatile...