2026年强化学习工程师考试题库（附答案和详细解析）（0830）.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.以下哪一项不属于马尔可夫决策过程（MDP）的标准核心组成要素？A.所有可能环境状态构成的集合SB.执行动作后获得即时反馈的奖励函数RC.经过人工标注的样本训练数据集DD.动作执行后状态跳转的转移概率矩阵P答案：C解析：马尔可夫决策过程是序贯决策的形式化框架，不需要预先标注的训练数据集，这是监督学习的核心输入要素，其余三个选项均为MDP的标准核心组成部分。2.Bellman期望方程的核心逻辑是对以下哪一项的递归拆解计算？A.智能体当前状态下的长期期望回报B.环境状态的马尔可夫转移概率C.单步