2026年强化学习工程师考试题库（附答案和详细解析）（0725）.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.以下不属于马尔可夫决策过程核心要素的是A.状态空间与动作空间B.奖励函数与状态转移概率C.折扣因子与初始状态分布D.人类标注的监督数据集答案：D解析：马尔可夫决策过程的核心要素为状态空间、动作空间、奖励函数、状态转移概率、折扣因子、初始状态分布，不需要依赖人工标注的监督数据集，D选项不属于其要素，A、B、C均为MDP标准组成部分。2.ε-greedy策略中，当ε取值为0时，智能体的行为表现是A.以完全随机的方式选择动作B.始终选择当前评估为最优的动作C.以ε的概率选择最优动作D.完全不