2026年强化学习工程师考试题库（附答案和详细解析）（0405）.docxVIP

强化学习工程师考试试卷

一、单项选择题（共10题，每题1分，共10分）

1.强化学习中，代理的主要目标是什么？

A.最小化预测误差

B.优化监督信号

C.最大化累积奖励

D.学习环境动力学模型

答案：C

解析：代理通过与环境的交互最大化长期累积奖励，这是强化学习的核心目标。错误选项A是监督学习的目标，B无关，D指模型学习但不是核心目标。

在马尔可夫决策过程（MDP）中，状态转移概率依赖的关键因素是什么？

A.仅当前状态

B.仅动作

C.当前状态和动作

D.历史状态序列

答案：C

解析：MDP的状态转移概率定义为P(s’|s,a)，仅依赖当前状态s和动作a，满足马尔可夫性。错误