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： ...

为啥我过了复试它还要评估是否进入下一轮    也没给我发下一轮面试通知😭😭😭

菜鸡求拷打，最近想找一段暑期或者日常实习，hot100目前还在二刷，八股看了一半，去年找了一段小厂实习，干了两个月太水了就提前离职了，期间做了个玩具项目，甚至都没有上线，包装一下就写进简历了，把原来的外卖替换掉了，另一个是点评，今天下午ssob沟通了一百多，有要简历的但是之后就已读不回了，求各位大佬指点

周一早会，导师突然说了一句："下周全链路压测，你负责的那个服务，准备好了吗？" 我愣了一下。 说实话，那个服务我接手才一个多月。最开始只是帮忙修几个小 bug，后来导师让我试着做一次小重构，再后来，慢慢地，那个模块的日常维护就落到了我手上。 但"全链路压测"这四个字，份量完全不一样。 我点了点头，说："我先梳理一遍，明天给你同步。" 回到工位，我打开了系统的架构图，开始一个节点一个节点地捋。说不紧张是假的——这个服务在整条链路里不算最核心的，但如果它出了问题，上下游都会受影响。导师把它交给我，既是信任，也是考验。 那天下午我没写一行代...