兴业数金面试求助

你觉得多个小 agent 是分成多个子 agent 好，还是在一个母 agent 下管理好？CLI 和 MCP 有什么区别？你目前为什么会想要离职/跳槽？如果 offer 你，大概什么时候能到岗？你有尝试过 AI coding 编程吗？用下来感觉如何？Claude Code 和 Cursor、Trae 的区别是什么？Claude Code 在非编程任务上的泛化能力怎么样？你了解 Claude Agent SDK 吗？你了解过其他 agent 框架吗？比如 AgentScope、LangChain？你觉得Cursor更像是哪种模式（ReAct / Plan-Execute）？你觉得 Claude...

字节两个部门都在简历评估中,一个是好久之前的投的部门,卡流程了,怎么办,求助

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： ...

四川银工作强度大不大哇，想问一下大概每天的一个上下班时间和工作强度嘞