2026年强化学习工程师考试题库（附答案和详细解析）（0602）.docxVIP

强化学习工程师

一、单项选择题（共10题，每题1分，共10分）

在强化学习框架中，智能体在环境中执行动作后获得的标量数值奖励，通常被称为（）。A.状态转移概率B.价值函数C.回报D.策略梯度答案：C解析：回报是强化学习的核心目标，指智能体在某一状态下执行动作后立即获得的标量数值。状态转移概率用于描述环境动力学；价值函数是评估状态或动作的长期期望回报；策略梯度是优化策略的方法。

以下哪种算法属于基于策略梯度的算法？（）A.Q-LearningB.DQNC.A3CD.SARSA答案：C解析：A、B、D均属于基于价值的方法（Q-Learning系列）。A3