2026年强化学习工程师考试题库（附答案和详细解析）（0703）.docxVIP

强化学习工程师

一、单项选择题（共10题，每题1分，共10分）1.马尔可夫决策过程（MDP）的核心定义性质是A.下一状态的概率分布仅由当前状态决定，与历史状态无关B.下一状态的概率分布由所有历史状态共同决定C.智能体的动作选择完全不受环境状态影响D.环境的奖励函数是固定且与状态动作对无关的答案：A解析：正确选项依据马尔可夫性的标准定义，MDP要求状态满足无后效性，未来状态分布仅和当前状态相关。错误选项B违背马尔可夫性的核心要求，错误选项C的智能体动作选择是基于当前状态和对应策略生成的，不可能脱离状态存在，错误选项D的奖励函数通常定义在状态-动作对上，根据不同动作会输出不