某物流公司導入強化式學習（Reinforcement Learning）優化車隊調度。模型在系統運行過程中，會依據不同配送狀態動態調整行動選擇方式，使決策結果逐步朝較佳績效收斂。上述模型在學習過程中的調整行為，最符合下列哪一項強化式學習核心機制？
答案 （A）
核心概念
強化式學習中的「策略（Policy）」定義了代理人在某個狀態下該選哪個行動，通常表達成機率分布 π(a|s)。學習的本質就是持續調整這個策略函數，讓能帶來高報酬的行動被選中的機率變高、低報酬的行動機率變低，最後收斂到接近最佳的行為模式。題幹描述的「依狀態動態調整行動選擇方式、逐步朝較佳績效收斂」，正是策略優化的白話版。
答題技巧
快速判斷技巧：強化學習的專屬詞彙只有幾個——狀態、行動、獎勵、策略、價值函數。看到選項出現「策略」「行動機率」就對了；出現「標籤」「分群」「訓練資料分布」的，都是別的學習範式混進來的。
易錯陷阱：(D) 的「誤差修正」聽起來像所有機器學習都會做的事，容易被選。分辨關鍵在「正確決策標籤」——強化學習不知道什麼是正確答案，它只知道這次做完得幾分。