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： ...

我是犯天条了吗？大佬们

简历如下，也是改了不下十版了三月初开始投递，到现在感觉投递了有个1500家了（实习，全职）面了10家左右的样子（都是线上的，线下的我一律当做刷kpi没接，现在感觉线上线下都是刷KPI的），笔试倒是做了不少，收到了两份实习offer都拒绝了（一个140/天+外地，一个120/天本地初创）最近也不知道投啥了，想着春招实习两手抓，但是投递的很多岗位有要求1-3年经验，投出去也是石沉大海杳无音信，偶尔有几个回复，然后就是笔试面试，再无后续慢慢的也有点蕉绿起来了😭😭还有课设，论文乱七八糟的当时还选择了考研，找学长问考研经验，学长第一句话就是不建议考研，当时还不以为然，现在想想……

经历过也当过面试官，感觉面试官的“尖刻”，通常分三种，应对策略完全不同：第一种：压力测试型（占大多数）表现：连续追问细节，挑战你的方案，甚至质疑你的结论。比如：“你这个活动的成功，有没有可能是运气？”“你这个数据是怎么得到的？落地性经过检验了吗？”目的：考察你的抗压能力、逻辑扎实程度和自信水平。看你是在压力下崩溃，还是能冷静捍卫自己的观点。我们怎么办：保持镇定，把质疑当作深入的讨论机会。你可以说：“您提的这点很关键，我当时的考虑是…，从结果来看…，如果再来一次，我会加入…的验证。” 展示你的思考深度和成长性。第二种：秀优越感/PUA型（少数，但存在）表现：打断你说话，用居高临下的语气否定你的经...