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： ...

27届大三，想找个日常实习，中小厂的。简历有什么问题嘛，boss投了400好多消息都没读😭求友友们给点建议

嵌入式岗位的面试，有一个非常明显的特点：考点高度集中、重复率极高。很多人项目做了一堆，但一到面试却频频翻车，本质原因不是不会做，而是对“基础高频点”掌握不扎实。这篇文章帮你系统梳理嵌入式面试中最常见、最核心的考点，按模块拆解，一次吃透。一、C语言：嵌入式的“地基”1. 指针（必考中的必考）常见问题：指针和数组的区别？野指针、悬空指针是什么？二级指针的使用场景？函数指针怎么用？👉 面试本质：考你是否真正理解内存模型。2. const、volatile、staticconst：只读语义 vs 编译期常量volatile：防止编译器优化（硬件寄存器必备）static：局部：延长生命周期全局：限制作...