二面强度非常大，面试官很nice，但问题一个比一个狠。项目聊了将近20分钟，然后直接进入硬核八股，最后手撕。整体节奏很快，八股没答好直接挂，手撕写出来了但没解释清楚，属于死在细节上。题目如下，附个人分析，希望对备战字节的同学有帮助。题目列表自我介绍项目深挖20分钟（重点问了架构设计和技术决策）FreeRTOS调度器的实现原理，抢占和时间片轮转的本质区别FreeRTOS有哪些同步原语，互斥量和二值信号量的区别同优先级任务是怎么调度的优先级反转的完整场景，FreeRTOS怎么解决，能完全解决吗死锁的四个必要条件，嵌入式系统里怎么预防ARM Cortex-M中断处理，硬件自动压栈了哪些寄存器原子操作...

大佬们看看，有没有什么还要修改的地方，第一个项目做的是黑马点评，加了一个rabbitMQ，第二个项目是鱼皮的API开放平台结合了一下鱼皮的大语言对话模型项目

四段实习经历，三段大厂。。春招至今0面试。。。受到好大的打击啊

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： ...