1. 自我介绍2. PPO、TRPO、DPO 分别是什么，它们的核心差异在哪TRPO 的出发点是让策略更新别跨太大步，它通过约束新旧策略的 KL 距离，把优化问题写成一个带信赖域的约束优化，所以理论上比较稳，但实现复杂、计算成本也高。PPO 可以看成是 TRPO 的工程化近似，它不直接解复杂约束问题，而是通过 clip 或 penalty 的方式，限制策略更新过猛，因此在实践里更常用。DPO 和前两者不太一样，它不是传统在线 RL，而是直接从偏好对里学习一个“更偏向 chosen、压低 rejected”的目标，相当于把 reward optimization 吸收到一个更简单的监督目标中。P...

这种要去吗？

1.我看你简历上写的基于echars的定制化看板是什么 2.js的基本数据类型 3.vue3与vue2的区别 4.vue3与vue2的响应式原理，以及各自的优缺点（没答好） 5.什么时候用vue2，什么时候用vue3 6.你写的统一封装网络层是怎么做的 7.登录流程是怎么样的 8.token是随机生成的吗（答错了） 9.你写的高内聚低耦合是什么意思 10.接口封装是高内聚还是低耦合（都有，我只答了高内聚） 11.有用过ai辅助编码吗，带来的好处和坏处是什么 12.如何更好地利用ai生成自己想要的结果 13.ts的元组有什么特点（没答出来） 14.react的useState为什么要用数组来接收...