苏州电信

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： ...

大佬们帮忙看看简历 孩子约不到面😭全是已读不回 要么就是培训机构的套路我知道是个学院本学历不讨好 真想找口饭吃冲什么岗比较合适呢

28届2本非科班大概很快要找实习了，应该是偏ai应用开发方向

柠檬微趣笔试的题目搞得也太烂了吧，感觉题目做的一点也不好，十分随便。我写的第一道是字符串对应转换的，输入是"effe"，对应输出"good bad bad good"，很简单，结果最后只过了百分之七十多的样例。我看半天没看明白题目中说的相互对应是什么意思，意思是e也有可能对应其他的字符串？例如"effe"，对应"not bad bad not "也算对？但是我按严格对应的过了73%，想了半天浪费了好多时间最后也没写出来。第二道是个递归，第三道是双指针，都过了。但是第三题数据1e6，我用了个sort也没超时，感觉数据...