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： ...

😢 飞书电话会议。我真的搞不懂，那些问题我基本上都回答出来了，咋回事呢。

在boss上投简历，沟通和投出去的比例是12:1，是我简历不够好吗，还有什么能优化的地方

还没收到 通知，应该寄了1. 自我介绍 / 项目介绍2. 为什么做开源社区内核开发3. Rust 相比 C++ 的优劣势4. Rust 如何保证内存安全5. Rust 与 Go / Python 的区别6. 进程、线程、协程区别7. 用户线程与内核线程调度开销大吹特吹 Ai Coding 8. 开发中怎么使用 AI，是否能辅助内核开发9. 沉淀了多少个 skill10. 这些 skill / agent 是怎么编排起来的11. AI 翻车的场景与处理方式12. AI 生成代码的可用率有多少13. 如何进一步提升 AI Coding 效率14. 哪些模型擅长什么事情15. 如果给 Cgroup ...