A原卷
原模拟卷 · 保留原题与完整教学
10 道选择 · 5 道简答 · 6 道计算大题
120 分钟 / 100 分
11课件章节
80知识条目
5完整模拟卷
105编号大题 · 不含子问
01 / KNOWLEDGE
全部知识点与互动演示 →按章节建立理解
每节按“具体问题 → 为什么需要它 → 逐个认符号 → 完整数值例子 → 自测与答案”展开。卡住时可回看前置知识；MDP→MRP 和 Bellman 页另有分步互动。
02 / PRACTICE
已完成 0 / 5 套五套卷，逐步练透
每套沿用相同题型与配分，采用不同题目和情境。英文试题与答案分开；中文解析先用中文解释题意和第一步该想什么，再展示计算过程、评分点与易错点。推荐先 A、B，再 C、D，最后用 E 做综合检查。
B新增
基础、策略评估与在策略学习
10 道选择 · 5 道简答 · 6 道计算大题
120 分钟 / 100 分
每题含英文答案要点与章节回链
C新增
随机转移、负价值与批量更新
10 道选择 · 5 道简答 · 6 道计算大题
120 分钟 / 100 分
每题含英文答案要点与章节回链
D新增
边界、并列动作与深度 RL 机制
10 道选择 · 5 道简答 · 6 道计算大题
120 分钟 / 100 分
每题含英文答案要点与章节回链
E新增
综合复习与常见考试陷阱
10 道选择 · 5 道简答 · 6 道计算大题
120 分钟 / 100 分
每题含英文答案要点与章节回链
03 / EXAM MAP
按期中考点分配精力
100 分如何分配
- 单选 10 题
- 20 分
- 简答 5 题
- 25 分
- MDP 计算 3 题
- 25 分
- 学习算法计算 2 题
- 20 分
- 最优策略计算 1 题
- 10 分
每套 120 分钟。按通知可带两张双面笔记，即四面，以及独立的纯计算器。
重点章节与原课件页码
- RL4 P18–25、P38–52、P57–68：回报、MDP、Bellman 与最优性
- RL5 P8–14、P28–36、P48–53：评估、改进、价值迭代
- RL6–7 TD、MC/TD/DP 比较；ε-greedy、SARSA、Q-learning
- RL8–10a 函数近似；DQN；Double、PER、Dueling
- RL11 P12–19、P41–58：随机策略、REINFORCE、基线、Actor–critic
以复习照片为优先范围；RL2、RL3 用作基础，RL12 为少量补充。照片未标记不等于不考，最终范围以授课进度为准。
查看完整章节与重点页码 →READ ANYWHERE
保存一份，离线也能学
下载后解压，打开 index.html。网页自带公式，不需要在线公式服务。试卷和解析都可通过“打印 / 存为 PDF”保存。
资料来源、使用说明与原 A 卷 PDF
依据提供的 RL2–RL12 共 11 份课件、期中通知和手写复习重点整理。知识条目使用原创讲解；本网站不分发课程原始 PDF 或个人截图。四套新增试卷均为原创练习，公式与计算条件在各卷说明。
补充参考：Mathematical Foundations of Reinforcement Learning。范围中的页码指原 PDF 的实际页序；手写个别范围存在歧义，知识库保留相邻主题便于复习。