知乎的算法实习就面了一面

面试时不妨大方承认，毕竟面试官往往都带着标准答案来提问。与其拐弯抹角地掩饰，不如坦荡应对，反而能展现真诚与自信。

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： ...

🎓学历背景：UIUC cs硕士，本科不太行👨‍💻意向职位：算法岗位，agent应用，llm应用，aigc应用这种🔑遇到的问题：怎么投谁都没消息呢，基本上拿不到面试，牛客春招季狂投

最近尝试了一种新的开发方式：Vibe Coding。简单来说，它的核心不是“写代码”，而是“描述需求”。开发者的角色从“实现者”，转变为“产品经理 + 架构设计者”，而具体实现则交给大模型完成。这篇文章不重点讲项目实现，而是总结：如何更好地进行 Vibe Coding。什么是 Vibe Coding可以把 Vibe Coding 理解为一种新的开发流程：明确问题 描述需求 让 AI 生成实现 持续修正与迭代 它并不是“让 AI 自动完成一切”，而是：用更高质量的输入，换取更高质量的输出Vibe Coding 的关键原则以下是这次实践中总结出来最重要的几点。1. 不要一开始就写代码很多人一上来就...