马尔可夫过程、奖励过程与决策过程有何联系，马尔可夫性意味着什么？

知道 MDP（马尔可夫决策过程）吗？请简单描述一下，它决定下一状态跟之前的状态有关吗？

介绍论文，问了很多强化学习算法（GRPO，PPO，reward model)，介绍马尔可夫决策过程。