大家帮个忙选哪个

昨天分析了字节，今天来聊聊腾讯，腾讯目前在招agent相关岗位主要是社招为主，需要有相关经验的人才，不过应届生们也可以对照社招的标准去学习技能一、编程语言与框架Python（核心）+ PyTorch 等深度学习框架C++、C#、TypeScript 等语言部分岗位需熟悉游戏引擎（Unreal Engine、Unity）二、AI/ML 核心能力扎实的深度学习算法基础，熟悉 LLM、BERT 等自然语言处理技术RAG（检索增强生成） 架构设计Multi-Agent 系统设计和开发经验提示工程与上下文优化三、Agent 专项能力Agent 的“规划（Planning）、记忆（Memory）与反思（R...

本人9本无实习经历，二月初开始面试，快手xhs简历都挂，京东一直泡池子，腾子三面挂，滴滴大模型算法一面挂，美团二面挂，亚麻OA都A了也挂，Google一面也挂。反正都是在挂中度过的，其实二月也是比较焦虑和陷入自我否定当中吧。但是还是比较感谢节子的速度的，而且面试的过程里面的氛围和节奏都很舒服，介绍业务和发展方向也是很明晰的。hr小姐姐人也挺好的，而且全程都是hr加我微信进行推进的，有什么情况和我说和和及时帮我推进流程，每次面试前都会提醒我今天的面试以及祝我顺利。（我感觉体感上面，志节是我面过的体验最好的一个了，从hr到面试官人都不错）timeline:3.6投简历推进评估3.7 hr打电话来约面3.9一面，20min后约二面3.11二面，二小时后约三面3.13三面，两小时后约hr面3.13hr面，面完就差不多oc了3.17 收到正式的offer

1. 为什么选择这个方法？是否尝试过其他 Baseline？效果对比如何？ 回答范例与解析（以选择 SAC 算法为例）： 在我的机械臂抓取项目中，我最终选择了**柔性动作评价（Soft Actor-Critic, SAC）**算法。   尝试过的 Baseline：  DDPG (Deep Deterministic Policy Gradient)：由于是确定性策略，在具身连续控制中探索能力极差，极易陷入局部最优。 PPO (Proximal Policy Optimization)：虽然稳定，但作为 On-policy 算法，样本效率（Sample Efficiency）太低，在真实机械臂...