启元世界二面——深度强化学习凉经

启元世界二面
自我介绍
实验室项目介绍
MA2C是什么？
在你的项目中，是怎么处理多智能体学习过程中的非平稳问题的？
AC算法和PG算法相比，有什么优势？
在神经网络中，为什么要引入残差结构？
为什么GRU和LSTM相比于RNN能够避免梯度消失问题？
说说off-policy 和 on-policy有什么区别？
ReLu激活函数在0处的导数是多少？ReLu在零点不可导，那么在反向传播中怎么处理？
答：在零点是人为给他赋予一个导数，一般是0或者1，
追问：那给它赋值为2可不可以？为什么？
PPO中，怎么度量两个分布差别到底多大？有哪几种方法去度量？
答：KL散度
追问：那你说说KL散度是怎么计算的？
回答不上来QAQ

撕代码：
题目描述：小Q在游戏中需要守卫一条路线，范围是[0, L], 可认为是一维数轴，现有n个守卫，每个守卫的守护范围是[xi,yi],问小Q至少需要多少个守卫能守护这条路线。
输入：
5 8
0 2
0 7
2 4
4 6
6 9
输出：2#面经##启元世界##校招##算法工程师#