要不要去实习，求牛油们给个意见

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： ...

怕被横向或者审批挂 更新，已过

欢迎大家投递哈，岗位多多，先到先得，感兴趣的话，OPPO全集团所有岗位都可以找我内推 OPPO内推推荐码【80399024】 内推链接：https://careers.oppo.com/university/oppo/campus/post?shareId=7292 早点投递，速投抢offer👇🏻 【💼岗位11大类】 AI/算法类、软件类、设计类、品牌策划类、标准研究类、硬件类、工程技术类、采购类、产品类、销售服务类、综合职能类 每人可投2个岗位！ 【工作地点】东莞、深圳、成都、上海、北京、西安、南京、重庆、武汉、杭州、海外 【福利待遇】极具竞争力的薪资、制化培养体系、多样化发展机制  ...