희소 보상 강화학습 해법: 호기심(Curiosity)과 RND로 내재적 보상 만들기
산악 자동차 환경은 목표에 닿기 전까지 보상이 사실상 없어 기본 강화학습으로는 풀리지 않습니다. 예측 오차를 보상으로 바꾸는 호기심과 무작위 네트워크 증류가 이 문제를 어떻게 우회하는지 코드 흐름과 함께 정리했습니다.
핵심 내용 읽기 →
AI TOPIC
탐색 알고리즘 최신 뉴스와 핵심 해설
탐색 알고리즘 관련 핵심 뉴스와 활용 인사이트 3편을 최신순으로 모았습니다.
LLM 디코딩 탐색 알고리즘 정리: 그리디·빔서치·A*와 최적 탐색이 어려운 이유 (CMU 강의)
CMU 그레이엄 뉴빅의 LLM 추론 강의가 그리디 탐색과 빔서치부터 A*, 최선 우선 빔서치까지 정리한다. 모델이 좋아진 지금 왜 다시 제대로 탐색할 때인지, 언어모델에 최적 탐색이 어려운 이유는 무엇인지 짚었다.
핵심 내용 읽기 →
유전 알고리즘 쉽게 이해하기 — 배낭 문제로 보는 선택·교차·돌연변이와 세대 진화 탐색 원리
유전 알고리즘은 생물의 진화를 흉내 내 해답을 세대마다 조금씩 개선하는 탐색 기법입니다. 배낭 문제를 예로 적합도·선택·교차·돌연변이가 어떻게 더 나은 답을 찾아가는지 단계별로 알기 쉽게 설명합니다.
핵심 내용 읽기 →