刚来上海蔚来汽车实习没几天～🚗上海蔚来汽车公司氛围很棒，基本都是年轻人，感觉大家好像也不咋加班，弹性上下班，同事们都很友善🥰leader 人美心善，说话温温柔柔的。还和一个实习生姐妹约好以后一块到处玩，宣～🥀但是园区附近吃饭好贵，基本30往上，味道还一般般，所以建议提前三四十分钟点个外卖稍微划算点🌷办公室环境也挺不错滴，有一个活动厅可以中午吃饭休息，还有专门的电话亭打电话🏠租房的话租在了公司附近的一个小区，和别人合租，偏贵，但是合租室友很好，小区消费水平正常，还认识小区一个善良的婆婆，听说我天天在外面吃饭，还打电话叫我去家里吃饭蔚来26届3.27暑期实习启动，春招也同步进行中【关于蔚...

😭学院本，有实习，春招简历投出去石沉大海，求指点。

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： ...