一面技术面侥幸通过，抠了项目的细节，问了几个拓展问题；想请教一下各位大佬，跟技术面相比，主管面更看重些什么，会问什么问题，该从哪些方面准备

暑期后端，面了1h10min，无八股，没提过点评。好歹是最想去的厂，看了网上的面经直接吓哭了，准备了半天计网机遇。本来以为项目很对口部门，想着被好好拷打一番进步的心态进面试了，问到最后只有一脑门子问号。1️⃣聊天十分钟，问实习时间，稍微说了说AI。2️⃣然后开始对着项目的犄角旮旯问，完全不问技术栈，也不问任何知识点，就纯问，问这一个项目到底是干啥的。值得提的: 问了这个项目有没有需求，要是想让我用你会怎么推销。3️⃣其中盯着分片上传断点续传一直叽里咕噜问了半小时，感觉我吟唱太快了，面试官没听懂怎么个流程，没怎么对上脑电波。每个阶段的每个小细点都要细问一下分片丢了咋办，一层还行，多层套多层丢失我就晕了，不知道在问什么，只能说说终归到底是对账的思想。算法整了道非hot100，说了思路，让写个函数行了。这块也是聊天，嘴都没停过。你说是kpi吧，问了我一小时。你说不是，复盘我空茫然半天，也不知道到底是问了点啥。面试官很严肃，就是我总想笑。高情商来说，其实很考察了我有没有思考和临场发挥能力，有一种应试教育了半天突然给我塞了一口你要被快乐教育的感觉。反问: 说我简历挺好的，算法还得练，有一定思考但还不够深。

感觉我的简历在本科生中也不算差，面试的时候八股和算法只要不挖的太深都回答的上来，为什么老是被一面挂😭最近被一面挂麻了，即使问了面试官对我的印象说还不错也仍然被一面挂，真有点怀疑人生了😭

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： ...