我是学院🐭，没面过大厂，官网投的都是秒挂，这是拿我刷kpi的吗？要尝试一下吗？

真没招了，三月才开始准备八股和算法因为没想到不仅大厂笔试过不了小厂也根本鸟我，笔试都不愿意发一个，心里心存侥幸说即使没实习好好磨炼技术再做一两个rag、agent项目去秋招，但是我现在投暑期实习就感受到秋招的寒气了，完全不觉得是金三银四而是铜三铁四😭😭😭，怎么办完全没招了，最近焦虑到学都学不进去每天都在投简历

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： ...