2026-2027学年初中信息技术（信息科技）初中版人工智能通识（清华大学版）6.4 强化学习课时同步练.docxVIP

2026-2027学年初中信息技术（信息科技）初中版人工智能通识（清华大学版）6.4强化学习课时同步练

考试时间：______分钟总分：______分姓名：______

一、选择题（每小题只有一个正确选项，请将正确选项的字母填在题后的括号内。每小题2分，共30分）

1.在强化学习模型中，与智能体交互并为其提供反馈的环境被称为？

A.智能体

B.状态

C.动作

D.环境

2.智能体在某个特定时刻对环境的观察或描述被称为？

A.动作

B.奖励

C.策略

D.状态

3.智能体为了最大化长期累积奖励而选择执行的行为或操作被称为？

A.状态

B.奖励

C.动作

D.环境

4.强化学习区别于监督学习的一个主要特点是？

A.需要大量标注数据

B.目标是预测未来值

C.智能体通过试错与环境交互学习

D.学习过程是完全封闭的

5.环境在智能体执行某个动作后，给予的反馈信号，通常用来评估该动作的好坏，被称为？

A.状态

B.动作

C.奖励

D.策略

6.强化学习的最终目标是使智能体学习到一个能够？

A.获取最大单次奖励的策略

B.快速执行动作