江苏双非一本本科中国船舶集团704研究所

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： ...

半夜睡不着做法许愿🙏🏻一二面一起面的，一直在问我实习有两道没答上来，但是面试官结尾说如果收到复试就算通过，没有的话也期待我有机会加入京东就这样轻轻一钓把我钓成翘嘴估计是客套话因为一天半没消息了看网上流程都很快的捞我三次了 京东快把我收了吧

目标后端

面试完在写面经呢，一看邮件，5分钟的时间给我挂了，笔试也直接给取消了。面试官整个过程都是笑呵呵的，问题也基本答上了，整场体验感挺好的，本来以为稳操胜券，结果被他装糖阴了一手（反问环节还问他后续的面试流程，丢人丢大发了）。整个过程太抽象了，简历项目是一个没问，倒是对我简历上写的个人技能（熟悉什么东西）逐个进行了一次 DFS，越问越离谱，最后跟 AI 应用完全没啥关系了。问的问题太多了，不太能完全回忆起来，只能回忆一下大致有哪些问题，详情如下：1. 简历上写的熟悉 C++ 语言，问的问题：平时用的什么标准的 C++ 语言；是否了解模板；用过什么 STL；set 和 map 是否了解，底层怎么实现的...