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： ...

题主本硕211，算好的211。学历说高不高，说低也不算低。算法是不会考虑的，估计只能干开发了。开发方面，题主有学校网站前端维护经历，大四有java实习，研一有初创公司saas实习，研二有机器人相关基础设施与平台实习，涉及的语言Go，java，python，C++都有，涉及的技术也都是一些业务或者小优化。技术面涉及的也不少了，但不算难，简历上根本写不出来很多大佬简历中的，我见都没见过的专有名词，框架，或者说针对超高并发做了什么优化，为公司写了什么高级组件，容器之类的。但要是说我菜，水平差，总感觉不至于，简历也不难看，至少不是清一色的包装项目，都是实习项目。至于手撕算法什么的，基本的dp，贪心，滑动窗口，还是能一眼看出来的，刷了大概大大小小500题，应该比hot100选手要高一点，但碰到一下子不会做的贪心，复杂dp，线段树，复杂二叉树，图，还是手足无措，挂掉笔试。哎，不知道自己到底能不能去到大厂，或者能有一份满意的薪资，求各位牛友解答。

一面简历拷打1. GSPO相对于GRPO最大的区别是什么？2. LoRA在初始化的时候，有什么特殊设定？3. LoRA实际训练时，base模型的参数是固定不变的吗？4. LoRA中A和B都设置成0可以吗？5. LoRA中A和B都设置成0时，求梯度的时候一直都是0吗？手撕6.给定一个数组，求其中逆序对的个数。7.给定一个包含正数和负数的数组，求其中连续子数组的最大乘积。二面简历拷打1.为什么需要多智能体？单智能体不能做吗2.LangGraph相对其他开源智能体编排工具的优点是什么？3.在现有场景中是否需要用到LangGraph的状态管理功能？4.如何理解Long-term Memory的实现方式...

从二月初到现在，一直在面试，八股，算法，面经……结果京东一面挂，字节之前脏面不约面，腾讯反复挂，其他的要么笔试挂，要不流程中不约面。鼠鼠快要坚持不下去了会赢吗要不要退而求其次 面日常呀，怕一直面到秋招还是没有一段实习经历