启元世界二面 自我介绍 实验室项目介绍 MA2C是什么？ 在你的项目中，是怎么处理多智能体学习过程中的非平稳问题的？ AC算法和PG算法相比，有什么优势？ 在神经网络中，为什么要引入残差结构？ 为什么GRU和LSTM相比于RNN能够避免梯度消失问题？ 说说off-policy 和 on-policy有什么区别？ ReLu激活函数在0处的导数是多少？ReLu在零点不可导，那么在反向传播中怎么处理？ 答：在零点是人为给他赋予一个导数，一般是0或者1， 追问：那给它赋值为2可不可以？为什么？ PPO中，怎么度量两个分布差别到底多大？有哪几种方法去度量？ 答：KL散度 追问：那你说说KL散度是怎么计算...