2025年AI推荐系统强化学习策略梯度优化建模考核试卷.docVIP

2025年AI推荐系统强化学习策略梯度优化建模考核试卷

一、单项选择题（每题1分，共30题）

1.在强化学习策略梯度优化中，以下哪个方法主要用于提高策略更新的稳定性？

A.Q-learning

B.SARSA

C.REINFORCE

D.Actor-Critic

2.策略梯度方法中，哪个术语指的是策略参数的更新方向？

A.ValueFunction

B.PolicyGradient

C.ActionValue

D.StateValue

3.在强化学习中，哪个算法使用价值函数来辅助策略更新？

A.PolicyGradient

B.Q-Learning

C.SARSA

D.Actor-Critic