国鸿氢能，亿华通，未势

二面和一面相比完全不是一个量级，一面还算是考察基础知识，二面更像是在和你讨论技术方案，每个问题都有大量追问，而且他会故意提出反驳意见看你怎么应对。项目聊了将近四十分钟，他把我项目里的每个技术决策都问了一遍为什么，有几次我答不上来被他直接指出设计上的问题。1. 讲一下 FreeRTOS 的任务状态机，每种状态之间的转换条件是什么，阻塞状态和挂起状态有什么本质区别？答：FreeRTOS 的任务有五种状态：运行、就绪、阻塞、挂起、删除。运行状态是任务正在占用 CPU 执行，单核系统里同一时刻只有一个任务处于运行状态。就绪状态是任务具备运行条件，等待调度器分配 CPU。所有就绪任务按优先级排在就绪列表...

佬们看看这个简历可以冲大厂吗

最后还是去鹅了，选来选去也没什么可选的，暑期到现在也就字节跟腾讯给了面试，腾讯很快就过了，业务一般，身边很多人劝留在手子，但是还是想试试新的机会，纠结来纠结去，其实也就是一份工作而已，自己之前把它看得太重了，希望之后能放轻松对待吧。timeline3.12一面3.16二面3.23三面，面完直接转HR面3.24HR面，面完直接转录用评估3.25oc

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： ...