2026年强化学习工程师考试题库（附答案和详细解析）（0522）.docxVIP

强化学习工程师

一、单项选择题（共10题，每题1分，共10分）

在强化学习中，智能体通过与环境交互获得奖励信号，以下哪个概念描述了智能体在当前状态下采取动作后，环境转移到下一状态并获得奖励的概率？

A.状态转移概率

B.奖励函数

C.策略

D.价值函数

答案：B

解析：奖励函数R(s,a)定义了在状态s

以下哪种算法属于无模型（Model-free）强化学习方法？

A.Q-Learning

B.Dyna-Q

C.PolicyIteration

D.Model-BasedPrediction

答案：A

解析：Q-Learning直接学习状态-动作值函数，不需要环境模型