刷两下一个广子

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： ...

无实习加一般学历，求简历拷打

秋招没有大满败，最终收到节子的offer。

投的是联想的 C++ 软件开发岗，一面是视频面试，面试官看起来是个技术 lead，全程很平和，没有刁难的感觉，但问题一个接一个，基本没有冷场的时间。整体考察方向偏基础扎实度，C++ 语言特性问得比较细，也有一道设计题和一道手撕。项目部分聊了大概十分钟，他主要关注你在项目里遇到了什么问题、怎么解决的，不太关心项目本身做了什么。总时长约六十分钟，体验不错，面试官会给你思考时间，答不上来他也会给提示。1. new 和 malloc 的区别是什么？placement new 是什么，什么时候会用到？答：malloc 是 C 标准库函数，只负责分配一块指定大小的原始内存，返回 void*，不做任何初始化...