2026年强化学习工程师考试题库（附答案和详细解析）（0704）.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.以下选项中，不属于马尔可夫决策过程(MDP)标准五元组核心要素的是A.环境状态集合与智能体动作集合B.状态转移概率矩阵与即时奖励函数C.训练样本的独立同分布采样规则D.未来奖励的折扣系数答案：C解析：MDP五元组为S,A,P,R,γ，分别对应状态集合、动作集合、状态转移概率、奖励函数、折扣系数；样本独立同分布采样是监督学习的训练前提，不属于MDP定义要素。2.ε-贪心策略的核心设计目标是A.完全排除随机动作保证最优决策B.平衡探索未知动作和利用已知最优动作C.确保智能体每一步都获得最高奖励