---
id: wiki-2026-0508-reinforcement-learning-and-decis
title: Reinforcement Learning and Decision Making
category: 10_Wiki/Topics
status: verified
canonical_id: self
aliases: []
duplicate_of: none
source_trust_level: A
confidence_score: 0.92
tags: [uncategorized]
raw_sources: []
last_reinforced: 2026-05-08
github_commit: pending
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
---

---
redirect_to: "[[데이터_사이언스_및_ML_엔지니어링]]"
canonical_id: "wiki-2026-0507-029"
---

# Redirect

이 문서는 Canonical 문서인  통합되었습니다.
모든 최신 지식과 세부 내용은 위 링크를 참조하십시오.
## 📌 한 줄 통찰 (The Karpathy Summary)

> 강화학습은 환경과 상호작용하며 누적 보상을 최대화하는 정책을 학습하는 프레임워크로, MDP 가정 위에서 가치 추정과 정책 개선의 두 축으로 발전해 왔다.

## 📖 구조화된 지식 (Synthesized Content)

**추출된 패턴:** 환경 모델 유무(Model-based vs Model-free), 가치 vs 정책 학습, 온폴리시 vs 오프폴리시 — 이 세 축으로 거의 모든 RL 알고리즘이 분류된다.

**세부 내용:**
- **MDP**: (S, A, P, R, γ) 5-튜플. 마르코프 가정 = 미래는 현재 상태에만 의존.
- **가치 기반**: Q-learning, DQN, Double/Dueling DQN — 가치함수 추정 후 argmax 행동.
- **정책 기반**: REINFORCE, A2C/A3C, PPO, TRPO — 정책 자체를 직접 최적화.
- **모델 기반**: Dyna, MuZero, Dreamer — 환경 동역학을 학습해 시뮬레이션으로 효율 향상.
- **현대적 응용**: RLHF(LLM 정렬), 로보틱스, AlphaGo/AlphaZero, 자율주행.

## 🤖 LLM 활용 힌트 (How to Use This Knowledge)

**언제 이 지식을 쓰는가:**
- *(TODO)*

**언제 쓰면 안 되는가:**
- *(TODO)*

## 🧪 검증 상태 (Validation)

- **정보 상태:** draft
- **출처 신뢰도:** A
- **검토 이유:** *(P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)*

## 🧬 중복 검사 (Duplicate Check)

- **기존 유사 문서:** *(TODO: 인덱서 클러스터 리포트 참조)*
- **처리 방식:** UPDATE (자동 정규화)
- **처리 이유:** Phase 1 정규화 — 옛 템플릿/누락 필드 보강.

## ⚠️ 모순 및 업데이트 (Contradictions & Updates)

- **과거 데이터와의 충돌:** 없음
- **정책 변화:** 없음

## 🔗 지식 연결 (Graph)

- **Parent:** [[10_Wiki/Topics]]
- **Related:** *(TODO: 최소 2개)*
- **Opposite / Trade-off:** *(TODO)*
- **Raw Source:** 직접 입력

## 🕓 변경 이력 (Changelog)

| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
|------|-----------|-----------|--------|
| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |