原创力文档PAGE/NUMPAGES
2026年人工智能算法基础强化学习测试卷
考试时间：______分钟总分：______分姓名：______
一、选择题（每题2分，共20分）
1.在强化学习框架中，智能体通过与环境交互获得反馈的主要形式是？
A.状态转移概率
B.状态值函数
C.奖励信号
D.策略参数
2.下列哪个概念属于马尔可夫决策过程（MDP）的基本要素？
A.奖励函数
B.策略梯度
C.价值函数
D.以上都是
3.假设一个MDP的折扣因子γ=0.9。这意味着相比于未来的奖励，智能体
PAGE/NUMPAGES
2026年人工智能算法基础强化学习测试卷
考试时间：______分钟总分：______分姓名：______
一、选择题（每题2分，共20分）
1.在强化学习框架中，智能体通过与环境交互获得反馈的主要形式是？
A.状态转移概率
B.状态值函数
C.奖励信号
D.策略参数
2.下列哪个概念属于马尔可夫决策过程（MDP）的基本要素？
A.奖励函数
B.策略梯度
C.价值函数
D.以上都是
3.假设一个MDP的折扣因子γ=0.9。这意味着相比于未来的奖励，智能体
文档评论（0）