自我介绍实习（20min）负责哪块工作怎么用的DDD（5min）为什么要用DDD实体、值对象、聚合根是怎么考虑的后续的扩展怎么评判做的工作和优化是有效的？基础mysql索引需要建索引的场景where 的地方都要建吗kafka、pulsar区别如何保证消息不丢为什么用 pulsar消息堆积有处理过吗kafka 什么时候会触发 rebalanceAIAI 开发工具开发工具的区别AI 在工作中的占比为什么是这样的占比？有积累一些AI经验吗如果把经验累积起来你觉得这个占比会改变吗平时如何跟AI对话的举一个跟AI对话解决实际问题的例子吧AI给了哪些方案你用了哪个？是怎么描述给它这个问题的泛聊平时怎么学习...

这是我在BOSS遇到最有人性的hr，他的鼓励简直让我这么久人机般投简历来，最感动的一次，真的好想进这家公司啊😭😭😭

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： ...