docs(10_Wiki): 위키 전체 재구성 — Topic_* 폴더를 4개 카테고리로 통합 + 대규모 중복 제거
Topic_Agent/Topic_Blog/Topics/Topics_Biz/Topics_Meeting/Topics_Rag의 마크다운 지식 문서를 Topic_General/Topic_Programming/Topic_Graphic/Topic_Business 4개 카테고리로 재분류. - 중복 제거: frontmatter의 status:duplicate/merged + duplicate_of/redirect_to 필드로 자기 자신을 중복으로 선언한 리다이렉트 stub 1032개 제거, 완전 동일 내용 파일 472개 제거, 동일 파일명·다른 내용 충돌 시 더 큰(완전한) 버전만 유지(162개 제거) — 총 1639개 중복 제거. - 분류: 폴더 단위로 명확한 항목(AI_and_ML/Coding/Architecture 등 → Programming, Comfyui/Visual_Effects → Graphic, Topics_Biz/Topics_Meeting/사업 등 → Business, Poetic_Blog_Writing/창의성/Game_Design 등 → General)은 폴더 우선순위로, 나머지 혼재 폴더(Topic_Agent/Topic_Blog/Topics 루트/Thinking & Reasoning/Other/UI_UX_Assets)는 title/tags 키워드 스코어링으로 파일 단위 분류(불명확한 경우 General로 폴백). 원본 폴더명은 "From_*" 서브폴더로 보존해 추적 가능성 유지. - 최종 배치: Programming 2784 / General 1608 / Graphic 285 / Business 249 = 4926개 문서. - 에이전트 운영 상태(.astra/.agent/.obsidian/sessions/memory/_company/docs/lessons/_shared/src)는 지식 콘텐츠가 아니므로 재분류 대상에서 제외하고 원위치 유지. - Topics/Topic_email(상위 보호 폴더 Topic_email과 파일명 100% 중복) 삭제 — 보호 폴더 자체는 미변경. - 완전히 비게 된 Topic_Agent/Topic_Blog/Topics_Biz/Topics_Rag 폴더 제거.
This commit is contained in:
Antigravity Agent
@@ -0,0 +1,161 @@
|
||||
---
|
||||
id: wiki-2026-0508-positive-reinforcement
|
||||
title: Positive Reinforcement
|
||||
category: 10_Wiki/Topics
|
||||
status: verified
|
||||
canonical_id: self
|
||||
aliases: [Operant Conditioning Reinforcement, Reward-based Learning]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.9
|
||||
verification_status: applied
|
||||
tags: [behaviorism, psychology, reinforcement-learning, skinner, conditioning]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-10
|
||||
github_commit: pending
|
||||
tech_stack:
|
||||
language: python
|
||||
framework: gymnasium, stable-baselines3
|
||||
---
|
||||
|
||||
# Positive Reinforcement
|
||||
|
||||
## 매 한 줄
|
||||
> **"매 행동 직후 desirable stimulus 추가 → 그 행동 빈도 증가."**. Skinner의 operant conditioning 핵심 mechanism (1938~). Modern AI에서 매 RL의 reward signal과 직접 연결되며, RLHF / Constitutional AI / DPO의 conceptual root.
|
||||
|
||||
## 매 핵심
|
||||
|
||||
### 매 4-사분면 (Operant Conditioning)
|
||||
| | 자극 추가 (positive) | 자극 제거 (negative) |
|
||||
|---|---|---|
|
||||
| 행동 증가 (reinforcement) | **Positive Reinforcement** (칭찬, 보상) | Negative Reinforcement (시끄러운 소리 멈춤) |
|
||||
| 행동 감소 (punishment) | Positive Punishment (혼냄) | Negative Punishment (특권 박탈) |
|
||||
|
||||
매 "positive" = 추가, "negative" = 제거. 좋고 나쁨이 아님.
|
||||
|
||||
### 매 schedule (강화 스케줄)
|
||||
- **Continuous (CRF)**: 매 행동마다 reward — 빠른 학습, 빠른 소거.
|
||||
- **Fixed Ratio (FR)**: 매 N회 행동 후 — piecework.
|
||||
- **Variable Ratio (VR)**: 평균 N회, 매 unpredictable — 도박, SNS 알림. 매 가장 강력하고 소거 저항.
|
||||
- **Fixed Interval (FI)**: 매 N초 후 첫 행동.
|
||||
- **Variable Interval (VI)**: 평균 N초, random — 매 steady response rate.
|
||||
|
||||
### 매 RL 연결
|
||||
- Reward signal r_t = positive reinforcement 의 mathematical formalization.
|
||||
- Policy gradient: 매 reward 받은 action 의 probability 증가 — 정확히 positive reinforcement.
|
||||
- RLHF: human preference → reward model → policy update — 매 large-scale positive reinforcement.
|
||||
|
||||
### 매 응용
|
||||
1. Education (token economy, gamification).
|
||||
2. Animal training (clicker training).
|
||||
3. ABA therapy for autism.
|
||||
4. Workplace incentive design.
|
||||
5. App engagement (variable reward — Hooked Model).
|
||||
6. RL agent training (game, robotics, LLM).
|
||||
|
||||
## 💻 패턴
|
||||
|
||||
### Policy gradient (REINFORCE) — positive reinforcement formalized
|
||||
```python
|
||||
import torch, torch.nn.functional as F
|
||||
def reinforce_step(policy, optim, states, actions, rewards, gamma=0.99):
|
||||
# discounted return
|
||||
R, returns = 0.0, []
|
||||
for r in reversed(rewards):
|
||||
R = r + gamma * R
|
||||
returns.insert(0, R)
|
||||
returns = torch.tensor(returns)
|
||||
returns = (returns - returns.mean()) / (returns.std() + 1e-8)
|
||||
|
||||
logits = policy(torch.stack(states))
|
||||
logp = F.log_softmax(logits, dim=-1)
|
||||
chosen = logp.gather(1, torch.tensor(actions).unsqueeze(1)).squeeze(1)
|
||||
loss = -(chosen * returns).mean() # 매 reward-weighted log-likelihood
|
||||
optim.zero_grad(); loss.backward(); optim.step()
|
||||
```
|
||||
|
||||
### Reward shaping (sparse → dense)
|
||||
```python
|
||||
def shaped_reward(state, next_state, goal):
|
||||
progress = -abs(next_state - goal) + abs(state - goal)
|
||||
return 1.0 if next_state == goal else 0.1 * progress # 매 step마다 작은 positive
|
||||
```
|
||||
|
||||
### Variable ratio schedule simulator
|
||||
```python
|
||||
import random
|
||||
class VariableRatio:
|
||||
def __init__(self, mean_n=5):
|
||||
self.mean = mean_n; self.count = 0; self.target = self._draw()
|
||||
def _draw(self):
|
||||
return max(1, int(random.expovariate(1/self.mean)))
|
||||
def step(self):
|
||||
self.count += 1
|
||||
if self.count >= self.target:
|
||||
self.count = 0; self.target = self._draw()
|
||||
return True # reward
|
||||
return False
|
||||
```
|
||||
|
||||
### Token economy (educational app)
|
||||
```python
|
||||
class TokenEconomy:
|
||||
def __init__(self): self.tokens = 0
|
||||
def reinforce(self, behavior, weight=1):
|
||||
# 매 desired behavior 직후 token 추가 (positive reinforcement)
|
||||
self.tokens += weight
|
||||
def redeem(self, cost, item):
|
||||
if self.tokens >= cost:
|
||||
self.tokens -= cost; return item
|
||||
```
|
||||
|
||||
### RLHF reward model (modern LLM positive reinforcement at scale)
|
||||
```python
|
||||
# pseudocode of preference -> reward -> PPO
|
||||
def train_reward_model(prefs): # prefs: (chosen, rejected) pairs
|
||||
# log-sigmoid pairwise loss
|
||||
return ...
|
||||
def ppo_update(policy, ref, rm, prompts):
|
||||
completions = policy.sample(prompts)
|
||||
rewards = rm(prompts, completions) - kl(policy, ref)
|
||||
# 매 reward로 policy update — positive reinforcement at scale
|
||||
return ppo_step(policy, prompts, completions, rewards)
|
||||
```
|
||||
|
||||
## 매 결정 기준
|
||||
| 상황 | Approach |
|
||||
|---|---|
|
||||
| 빠른 행동 습득 | Continuous reinforcement (CRF) |
|
||||
| 행동 유지 + 소거 저항 | Variable Ratio (VR) |
|
||||
| 시간 기반 task | Fixed/Variable Interval |
|
||||
| RL agent | Reward shaping + sparse goal reward |
|
||||
| LLM alignment | RLHF / DPO (preference-based) |
|
||||
| Education / habit | Token economy + variable bonus |
|
||||
|
||||
**기본값**: 학습 phase는 CRF, 유지 phase는 VR. 매 punishment보다 reinforcement 우선.
|
||||
|
||||
## 🔗 Graph
|
||||
- 부모: [[Operant_Conditioning]]
|
||||
- 응용: [[Reinforcement_Learning]] · [[RLHF]] · [[Gamification]]
|
||||
- Adjacent: [[Policy_Gradient]]
|
||||
|
||||
## 🤖 LLM 활용
|
||||
**언제**: RL agent reward design, LLM RLHF/DPO pipeline 설계, gamification UX, behavior change app.
|
||||
**언제 X**: 매 intrinsic motivation 영역 (creative work)에서 매 over-reinforcement는 매 motivation crowding-out 일으킬 수 있음.
|
||||
|
||||
## ❌ 안티패턴
|
||||
- **Reward hacking**: agent가 매 reward signal exploit (실제 task 무시) — Goodhart's law. 매 reward shaping 신중.
|
||||
- **Confusing positive with "good"**: positive = 추가, "좋은" 의미 X. Punishment도 positive 가능.
|
||||
- **Continuous reinforcement only**: 매 빠른 소거 — VR 전환 필요.
|
||||
- **Punishment as default**: 매 fear/avoidance 유발, learning quality 저하 — reinforcement 우선.
|
||||
- **Delayed reward without bridging stimulus**: 매 association 약함 — clicker 같은 marker 필요.
|
||||
|
||||
## 🧪 검증 / 중복
|
||||
- Verified (Skinner 1938 'Behavior of Organisms', APA Dictionary, Sutton & Barto RL textbook, OpenAI RLHF papers).
|
||||
- 신뢰도 A.
|
||||
|
||||
## 🕓 Changelog
|
||||
| 날짜 | 변경 |
|
||||
|---|---|
|
||||
| 2026-05-08 | Phase 1 |
|
||||
| 2026-05-10 | Manual cleanup — operant conditioning quadrants + RL/RLHF connection |
|
||||
Reference in New Issue
Block a user