测开方向，去软测还是硬测？

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： ...

面试通过了但是还没有入职，请问有没有牛友在这实习过，怎么样呀

FreeRTOS 是嵌入式岗位面试里的高频考点，面试官非常喜欢围绕任务调度、同步互斥、内存管理、中断机制、时间管理这些内容深入提问。很多同学平时项目能跑起来，但一到面试就容易卡在原理表达、API使用场景、以及实际项目中的问题定位上。这篇给大家整理一份 FreeRTOS 高频面试题清单，适合用于面试前突击、自查知识盲区。什么是 FreeRTOS？它适用于哪些嵌入式场景？FreeRTOS 和裸机开发相比，最大的区别是什么？FreeRTOS 中任务的基本概念是什么？任务和函数有什么区别？FreeRTOS 的任务有哪几种状态？状态之间如何切换？什么是任务调度器？FreeRTOS 的调度方式有哪些？抢占...

我妈是某上市公司的老员工，她知道我秋招没找到工作，春招还去一家小公司干，表示不解，让我去他们公司干，我说我不想干制造业这一块，虽然他们公司股价上个月已经起飞了，当然我没买。我妈很反对我搞理财相关。她觉得我一个人在上海打工钱少又照顾不了自己，也非常反对我养猫，但这样的她还是在亲戚批评我养猫脏的时候反击了，说我爱干净每天洗猫（实则没有）。她说我们公司不行，但当知道我们有文化衫的时候，又认可说有企业文化的公司是好公司。哈哈。