滴滴cto线的cpg offer情况

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： ...

佬们看看这个简历可以冲大厂吗

面试1h，内容如下：1.介绍一下agent项目，流程是怎么样的，详细展开说说。讲完之后开始八股：2.hashmap线程安全吗，高并发会有什么问题？你会怎么解决3.syn锁和re锁的区别？4.循环依赖怎么解决 ，具体介绍流程5.还有些忘了....都是很简单的八股。（叫我共享屏幕，说反作弊。可能觉得我讲太快了）算法题：LRU缓存+ttl+解决高并发+限流（5秒内用户只能请求10次这样）。可以口述思路，可以写代码，LRU+TTL我默写了，后面两个直接说思路。今天不知道为什么，在反问环节都是hr在一直输出，感觉我才是hr哈哈哈....反问的话就问3个方面：1.用友下一步的发展方向，是否往ai靠？2.薪...