2026年强化学习工程师考试题库（附答案和详细解析）（0831）.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.马尔可夫决策过程中折扣因子γ的核心作用是A.放大未来所有回报的权重B.平衡即时回报和长期回报的重要性C.加快智能体的探索速度D.提升状态转移的马尔可夫性答案：B解析：正确选项依据：折扣因子γ取值范围为[0,1]，γ越接近1代表智能体越重视长期未来回报，越接近0代表越重视当前即时回报，核心作用是平衡即时与长期回报权重。错误选项：A选项γ1时会衰减未来回报权重而非放大；C选项折扣因子和探索速度无直接关联；D选项马尔可夫性是MDP本身的属性，与γ无关。2.下列关于蒙特卡洛（MC）强化学习方法的描述正确的是