光大银行信息科技部内推~

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： ...

本人目前力扣hot100过了一遍但是还不熟，八股还没怎么背，求各位大佬能给我和我的简历点建议

总时长35分钟，无手撕，感觉遇到KPI面了，唉35分钟一直在问实习，八股就问了下面的1.redis与数据库的缓存一致性2.redis的zset数据结构3.redis的两个持久化机制4.分布式cap理论5.什么时候ap，什么时候cp6.进程线程协程问怎么没手撕，说一面撕过了，业务是应用宝游戏商城，后面过了还有一面技术面，问面试表现，说挺顺的，可以再关注一下运维数据，然后问转go有难度嘛，就结束了

## 整体流程 ​ 机试->网上综测->资格面->两次技术面->主管面 ## 各环节经验#### 机试：​ 在联系栗栗姐后，根据栗栗姐给的材料刷了刷题库。最后熟悉了一下答题环境，在牛客上刷了几题，和Leetcode的不同之处就是多了个输入的处理和输出的print。 ​ 机试需要用到电脑+手机摄像头，如果是台式记得网购一个，之后几次面试也用得上。机试的软件一开始还给我闪退了一次，说什么环境有问题好像，后面不管他直接重连就解决了。​ 机试由2道100分题和1道200分题组成，虽然说2道100分题做完才能进入200分题页面，但也可以随时返回100题页面进行修改。我遇到的2道1...