盈峰环境

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： ...

我是27届的Java选手，泉州人，本硕南航计算机，秋招想回福建老家工作。总行感觉指望不上了，想知道兴业有啥部门推荐的吗。兴业理财或者是卡中心能够得上吗或者有大佬知道福建还有啥好点的计算机岗位吗

1、介绍自己做过的项目--->项目中的难点（你怎么解决和思考的）2、java的基础知识： 2.1、问了hashMap底层原理，以及为什么hashMap线程不安全。 我说了一下数组+链表+红黑树（1.8），在链表长度链表长度 > 8 且数组长度 ≥ 64 时，链表转为红黑树，红黑树节点数 < 6 时，退化为链表。hashMap的内部操作不是原子性的，在多线程情况下会出现数据覆盖和丢失问题。比如两个线程同时put，发现key的hash位置为空。线程a挂起，线程b写入，随后A恢复，会直接覆盖b的数据。 2.2、GC垃圾回收算法 我说了分代收集法、复制算法、标记清楚法，以及他们的优缺...

前端外包岗，最近拿了offer，有没有在职的大佬给我讲讲上班体验怎样