🕐面试时间：60min❓面试问题：最汗流浃背的一集，面试官让屏幕共享现场展示vibe coding拷打实习，具体用higress实现了什么功能，为什么要把ingress替换成他，为什么用它，有没有用过其他什么插件为什么做权限要用到rbac，有没有其他的考量吗，比如abac什么的（其他的技术选型我都有做攻略，可没想到这个也有技术选型，唉，又不会）harness engineering听说过吗现在有个问题 ，一个agent有很多mcp工具可以选择，但是需求过来了以后，并没有匹配到我想要的那个mcp，怎么解决（我说让用户自己选择可能要调用的工具....）skills听说过吗mcp有哪些开发模式（s...

求助，怎么改进。约面都没有🙂‍↔️  

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： ...