春招进行中，个别公司正在偷偷裁员。B站、汇丰、网易广州互娱产研外包、小鹏、海康威视……微博热搜挂着的这些公司，都陷入裁员的舆论中。网传B站直接裁了60%，也许有夸张，但大概不是空穴来风。 整的我也很焦虑。本来秋招签了家SaaS公司的offer，以为写完论文就能躺了，最近也一直在纠结，万一智能体继续这么爆，这家公司的业务被冲垮了，会不会毁约？ 雪上加霜的是，正好又刷到了Anthropic的一篇研究报告，讨论了AI对就业市场的冲击。报告提出了"暴露度"这个概念，结合平台真实使用数据，看AI现在实际正在处理哪些工作任务，以及占这个职业总任务量的比例。（虽然这是美国数据，但趋势大概...

先上Timeline:3.17 一面（一小时后通知过了）3.21 二面（面试在周末，周一上午通知过了）3.25 三面（半小时后通知过了）3.26 hr面（当天晚上发offer）面试内容：一二三面基本上都是拷打实习+项目，🈚️八股一二面各一道非常简单的算法，三面🈚️算法hr面主要是了解个人经历、性格，以及就业规划等总体感受：整个流程非常快，这个必须点赞每个面试官的专业能力就不用说了，会问到一些可能自己之前没考虑过的问题，也会现场引导我思考。整体面试氛围很轻松，像是在和同学一起讨论技术问题，交流各自的想法一样，聊的很开心暑期投了不少大厂，但只有腾讯字节给面试，其他公司都没给机会腾子那边也挂了几次不过还好最后如愿进字节了

为啥约不到面试啊😭😭😭是我的简历问题，还是打招呼有问题大佬们，能帮忙看看简历吗？

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： ...