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： ...

现在AI这么恐怖，毕业26，能干到30吗？暑期实习也找不到，感觉快进斩杀线了啊

忽然收到了面试邀请 有没有友友有面经分享 投了这么多 第一个面试机会

最近影石秋招真的让我情绪反复横跳。原本已经决定放弃这家公司，但随着薪资不断上调，又让我重新燃起了冲一把的想法。整个面试过程下来，最大的感受就是——面试强度很高，几乎是全方位拷打，从项目细节到底层原理，没有任何水分。一面主要围绕项目深挖和工程能力展开，尤其是嵌入式系统、通信协议以及AI推理优化，细节问得非常深入，比如传感器数据处理、I2C/SPI底层机制，以及模型推理和性能优化等内容，基本每个点都能继续往下追问。二面则更偏向基础和底层能力考察，包括C/C++语言本身、数据结构、内存模型，以及一些算法思路，同时也会结合项目继续深入，比如推理框架优化、SIMD加速等，整体更考察理解深度而不是表面知识...