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： ...

你在leetcode上练的都是死代码能力🤣

总时长35分钟，无手撕，感觉遇到KPI面了，唉35分钟一直在问实习，八股就问了下面的1.redis与数据库的缓存一致性2.redis的zset数据结构3.redis的两个持久化机制4.分布式cap理论5.什么时候ap，什么时候cp6.进程线程协程问怎么没手撕，说一面撕过了，业务是应用宝游戏商城，后面过了还有一面技术面，问面试表现，说挺顺的，可以再关注一下运维数据，然后问转go有难度嘛，就结束了

面试时间：3.9部门：数据平台自我介绍第一段实习拷打：整体介绍一下第一段百度实习的产出实习中针对图片生成效果的评测标准是什么，如何构建评测集？讲解一下测试过程中比较典型的badcase。做测试基建时，你主要负责的功能有哪些？讲解一下agent skill针对ui自动化的实现细节。skill执行结果的执行量和通过率是多少？执行过程中的报错和执行被打断如何处理？前端跳转不同页面之后，如何确保测试的连贯性和结果准确性，上下文衔接如何做的？这部分被狠狠拷打了接近20分钟第二段实习拷打：简单讲解一下这个后端项目的实习内容编写邮件模块时用到的设计模式讲解一下。策略模式具体实现细节。为什么想到从开发转测开，...