我是27年毕业，现在还没毕业在准备阶段，为9月校招先做准备，简历只有本科投硕士的，还没太改就不放了，我先介绍下自己。本科在吉林大学 仪器系 测控技术与仪器专业，毕业综测第二名，绩点3.895/4.0，保研硕士目前在哈工大本部 仪器系 仪器科学与技术英语比较差，擦边过的四级，六级还没考过，计算机拿了二级WPS和三级网络技术证拿过的奖，本科3次一等1次国励，还有个小社会奖学金，研一拿的入学特等。本科实践课很多很多很多，数电、模电、信号与系统、嵌入式、控制系统、微机原理这些理论课都有对应的实践课，要做小项目的，对应的学的东西是VHDL、焊接技术和画PCB板、MATLAB、单片机、PID算法、汇编语言...

我是犯天条了吗？大佬们

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： ...