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： ...

最近十分焦虑，本来计划找java岗的，结果现在这个时代，什么都要带上ai，本来就有一大堆java八股文没背，还要仓促的学agent，但学的都是基础呀。简历上那些都是提示词工程，让AI输出指令格式，然后程序判断，也没什么含金量。完全没有什么竞争力😭，唯一的竞争力就是实习时间可以长些吧。但我也找不到适合的学习项目，另一方面自己也比较着急。想要快点找实习。求大佬们指点一下小弟😭😭😭

嘿，兄弟们好，昨天下午，我从新公司大楼签完字出来，阳光晃得我有点睁不开眼。我坐在路边花坛上，默默点了一根烟，坐了很久。整整 4 个月，120 天。作为一个 90 后、没赶上名校快车、又刚好撞上 30 多岁尴尬年纪的 Java 佬，这 120 天我经历的不仅仅是积蓄缩水的焦虑，更多的是一种职业信仰的崩塌。今天给大家聊聊这 4 个月我到底是怎么熬过来的，以及现在的外面市场到底变成了什么样。那些失眠的夜：从自信到自我怀疑刚失业那会儿，我心里其实挺稳的。干了 10 年 Java，在行业里扛过大流量，找工作还不是简简单单。但现实很快把我教训了。第一个月，我还在挑拣薪资；第二个月，开始觉得不对劲，投出去的...