智能体根据任务结果调整策略，属于哪种学习方式？

正确答案 C

抓住“尝试行动—得到反馈—调整策略”这条线，就能选C。系统不是照着每一步的标准路线抄答案，而是在与环境交互时利用结果反馈，逐渐改进行动选择。这里关注的是累计回报，不只是眼前一步的得分。

例如一条近路最终导致货物受损，虽然前面走得快，整次任务的回报仍可能很差。这也解释了为什么强化学习要考虑行动的后续结果。奖励可能稀疏或延迟，不能把教材的简要说明扩写成“每一步都必须立即得到非零奖励”。本题限定在仿真环境中试错，也不意味着可以让真实设备无约束冒险训练。

选项分析

A

描述的是带标签分类任务；题干没有逐条给正确路线标签，而是用行动结果反馈改进策略。

B

聚类主要按相似性组织样本，本题的重点不是分组，而是交互后选择更合适的行动。

C

环境、行动、奖励和策略更新四个要素都在题干中出现，足以识别强化学习。

D

固定规则推理不等于通过试错更新策略，与题干明确描述的学习过程不一致。

再巩固一步

• 先找反馈来自哪里：样本标签、样本相似性，还是行动后的环境反馈。它们对应不同的学习问题。