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： ...

投了200份简历，经过7次面试后，还是被cetv捞了，虽然之前就听说c厂是天坑，但想了想第一份实习就算了，干1-2月跑路算鸟，再好好准备暑假去实习

27届Java实习

如果你最近在看AI岗位，很容易形成一种印象：大家好像都在训练模型、调效果、做应用。但其实当大模型真正接入业务之后，一个更棘手的问题开始浮出来：如果模型被攻击、被诱导、甚至被滥用，会发生什么？今天我们要说的AI安全算法工程师其实就在解决这件事。相比“把AI做得更强”，它更关注的是另一面——👉 如何让AI在复杂环境下，依然是可控的、可信的。一天一个AI岗位解析打破AI求职信息差，今天我们拆解的是AI安全算法工程师——Flow安全🧩 主要工作内容：让模型“不出事”如果只看岗位名称，很容易把它归到“算法岗”，但拆开JD会发现，它的工作重心其实有一个明显的转向——👉 用大模型能力，去解决安全问题，...