“你太丑了“, 你不符合该岗位要求 !

这年头找工作本就不容易,可谁能想到,还有人因为长得 “不好看” 被拒绝!深圳一位女生小陈,在应聘文员岗位时,就碰上了这么个糟心事。

小陈在招聘平台上看到一家财务管理公司招文员,月薪两三千,想着自己能胜任,就礼貌地发消息询问。哪晓得,对方 HR 直接来了句 “不行,太丑了”。就这四个字,像一盆冷水,把小陈浇了个透心凉。她又气又委屈,“找工作这么久,第一次碰到这么离谱的事儿,气得我话都说不出来。”

小陈越想越气,就把这段聊天记录发到了社交平台上。这一下,网友们都炸了锅,纷纷替小陈打抱不平。有人说:“这公司也太过分了,招聘看的是能力,又不是选美,咋能因为长相拒绝人呢?” 还有人调侃:“就这两三千的工资,还想招天仙啊?” 更有热心网友,直接把头像换成该公司负责人的照片,在招聘软件上用同样的话 “回敬” 对方,帮小陈出出气。

图片

记者联系上涉事公司负责人韩女士,询问为啥这么回复求职者。韩女士轻飘飘地说:“是下面人回的,不用管。” 对于网友们的反击,她还一脸不屑,说网友们 “吃饱了没事干”。这态度,简直比那句 “太丑了” 还让人来气。公司出了这档子事儿,不反思、不道歉,还这么傲慢,这管理和企业文化,真的让人怀疑。

律师说了,这家公司的行为属于就业歧视,侵犯了小陈的平等就业权和人格尊严。按照法律规定,用人单位招聘时,不能因为民族、种族、性别、宗教信仰,当然也包括长相,去歧视求职者。除非是像演员、模特这类对相貌有特殊要求的行业,可文员明显不在此列。小陈完全可以要求公司赔礼道歉,还能向劳动监管部门举报,让他们依法查处。

其实,就业歧视的事儿可不少见。年龄歧视,“只要 35 岁以下”;性别歧视,“已婚未育不要”;学历歧视,“非 985、211 不要”。这些歧视就像一道道门槛,拦住了不少求职者的路。而这次因为外貌拒绝求职者,更是把就业歧视的 “遮羞布” 扯了个干净。

希望通过这件事,企业能明白,招聘是双向选择,尊重求职者就是尊重自己。也提醒各位求职者,遇到就业歧视,别忍气吞声,一定要勇敢站出来,用法律武器维护自己的权益。就业市场,真该好好整治整治这些不合理的歧视现象了!

喜欢该文章可给个三连击:点赞、转发、在看;想第一时间接收到推文加个星标⭐️就好了,我们下期再见!

在数字化进程中,人工智能技术日益成为科技革新的关键驱动力,其中强化学习作为机器学习的重要分支,在解决复杂控制任务方面展现出显著潜力。本文聚焦于深度确定性策略梯度(DDPG)方法在移动机器人自主导航领域的应用研究。该算法通过构建双神经网络架构,有效克服了传统Q-learning在连续动作空间中的局限性,为高维环境下的决策问题提供了创新解决方案。 DDPG算法的核心架构包含策略网络与价值评估网络两大组件。策略网络负责根据环境状态生成连续动作指令,通过梯度上升方法断优化策略以获取最大长期回报;价值评估网络则采用深度神经网络对状态-动作对的期望累积奖励进行量化估计,为策略优化提供方向性指导。这种双网络协作机制确保了算法在复杂环境中的决策精度。 为提升算法稳定性,DDPG引入了多项关键技术:经验回放机制通过建立数据缓冲区存储历史交互记录,采用随机采样方式打破样本间的时序关联性;目标网络系统通过参数软更新策略,以θ_target = τ·θ_current + (1-τ)·θ_target的更新方式确保训练过程的平稳性;探索噪声注入技术则通过在动作输出中添加随机扰动,维持了策略探索与利用的平衡。 在具体实施过程中,研究需依次完成以下关键步骤:首先建立符合马尔科夫决策过程的环境模型,精确描述机器人的运动学特性与环境动力学;随后设计深度神经网络结构,确定各层神经元数量、激活函数类型及参数优化算法;接着进行超参数配置,包括学习速率、批量采样规模、目标网络更新系数等关键数值的设定;最后构建完整的训练验证流程,通过周期性测试评估导航成功率、路径规划效率、障碍规避能力等核心指标。 该研究方法仅为移动机器人自主导航提供了可靠的技术方案,其算法框架还可扩展应用于工业自动化、智能交通等需要精密控制的领域,具有重要的工程实践价值与理论借鉴意义。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值