虾皮26届校招内推码

一分钟能问两个题，八股狂轰滥炸，加粗是没答上来的自我介绍，优势介绍实习项目、底层框架JS 和 TS 区别JS 基本数据类型有哪些如何判断一个值是什么类型箭头函数的特点new 运算符干了什么闭包作用域作用域链（这个不知道，但是作为替代被要求说了原型链）事件循环机制（说了微任务宏任务）微任务宏任务区别用过的 React hook（state ref effect）React 不同组件怎么通信（状态提级声明并透传/外部状态管理器）组件中 data 为什么是一个函数（这是啥玩意啊事后我搜也搜不到啊）用没用过 Vue（说简历是 Vue 写的，那算了不问了）介绍节流和防抖的区别使用节流和防抖要注意什么（没...

没想到挂了还有感谢信啊哈哈哈哈啊哈哈啊哈哈

无实习加一般学历，求简历拷打

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： ...