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： ...

本2硕9，简历里就写了一个点评和一个rpc，有点焦虑，hot100写过一遍感觉和没写一样，八股每天看，但是感觉有点看不下去，看一会就没劲，求骂醒目前才开始投，投了一个vivo，一个亚马逊，一个腾讯

本来觉得混了段实习应该比找第一段的时候好点 怎么感觉还是没有面试哇

1. 自我介绍2. HTTP 和 HTTPS 的区别答案：HTTP 是明文传输，请求和响应内容如果被截获，理论上都可以直接看到。HTTPS 是在 HTTP 的基础上加了 TLS/SSL，加密之后再传，所以安全性更高。HTTPS 除了加密，还会做身份校验和完整性保护，能防止中间人攻击、数据篡改这些问题。代价就是握手流程更复杂，建连成本会比 HTTP 高一点，但现在实际业务里基本都优先 HTTPS。如果继续往下问，可以顺着讲 TLS 握手、证书校验、对称加密和非对称加密怎么配合。3. HTTP 状态码，404 是什么情况下出现的答案：HTTP 状态码一般分五类，1xx 是信息响应，2xx 是成功，...