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： ...

0实习，什么都没有，一问三不知简历如下求建议，算法什么的也不懂

目前就看了几家头部大厂。Tx挂了2次，后续没有继续复活了美团完成笔试，现在在筛选中蚂蚁已经感谢信，估计是岗位不匹配吧，我用go投了java淘天直接拜拜雷火被笔试难度劝退，不愿尝试哔哩哔哩没有合适的岗位，外加最近裁员传闻滴滴约面多多简历秒挂柠檬微趣挂虾皮挂我的春招如履薄冰，你说我能走到对岸吗。。。

在你简历中的两个项目里，你觉得哪一个做得比较好或者更有技术含量？讲一下虚拟滚动的实现原理是什么？虚拟滚动在处理用户快速滚动时，底层是如何监听更新并保证页面流畅度、不掉帧的？针对 AI 对话的流式渲染，在技术选型时为什么要选择 SSE 而不是 WebSocket？结合 Markdown IT 工具，前端打字机效果具体是如何处理数据拼接和渲染的？你目前实现的打字机效果，是根据服务端响应的数据块增量渲染，还是真正做到逐字渲染的？假设后端逻辑不变，要求前端调整成“带有光标且挨个字匀速吐出”的真实打字机效果，你会怎么调整架构设计？如果这个 AI 对话平台要做到支持一万个用户同时在线，从前端或服务端的架构...