---
id: OPT-HYPER-001
category: Unified
confidence_score: 1.0
tags: [ai, machine-learning, hyper[[Parameter|Parameter]]-tuning, bayesian-[[Optimization|Optimization]], model-selection]
last_reinforced: 2026-04-26
---

# Hyperparameter Optimization (하이퍼파라미터 최적화)

## 📌 한 줄 통찰 (The Karpathy Summary)
> "모델 아키텍처가 악기라면, 하이퍼파라미터 최적화는 가장 아름다운 소리를 내기 위해 현을 조율하는 과정이다" — 학습률, 배치 크기, 레이어 수 등 모델이 스스로 학습할 수 없는 외부 설정값들의 최적 조합을 찾아 모델 성능을 극대화하는 프로세스.

## 📖 구조화된 지식 (Synthesized Content)
- **추출된 패턴:** 탐색 공간([[Search|Search]] Space) 내에서 모델의 성능을 평가 지표로 삼아, 가장 효율적인 경로로 최적의 파라미터 조합을 찾아가는 탐색 및 최적화 패턴.
- **주요 전략:**
    - **Grid Search:** 가능한 모든 조합을 시도. 확실하지만 연산 비용이 매우 높음.
    - **Random Search:** 무작위로 조합을 시도. 그리드 서치보다 효율적이며 중요한 파라미터 탐색에 유리.
    - **Bayesian Optimization:** 이전 시도 결과를 바탕으로 다음 유망한 지점을 예측하여 탐색 (가장 고도화된 방식).
    - **Hyperband / BOHB:** 조기 종료(Early Stopping)와 베이지안 최적화를 결합하여 자원을 효율적으로 배분.
- **의의:** 동일한 아키텍처라도 하이퍼파라미터 설정에 따라 성능 차이가 크게 발생하므로, 실전 AI 개발에서 '모델링'만큼이나 중요한 단계.

## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
- **과거 데이터와의 충돌:** 개발자의 직관이나 수작업 튜닝에 의존하던 방식에서, 이제는 AutoML 기술을 통해 최적화 과정 자체를 자동화하는 방향으로 진화.
- **정책 변화:** Antigravity 프로젝트는 에이전트의 응답 품질 최적화를 위해 Temperature, Top-p 등의 파라미터를 베이지안 최적화 기반으로 튜닝하여 정교한 페르소나를 구축함.

## 🔗 지식 연결 (Graph)
- [[Black-Box-Optimization|Black-Box-Optimization]], [[Gaussian-Processes|Gaussian-Processes]], [[Global-vs-Local-Optima|Global-vs-Local-Optima]], [[Generalization-in-AI|Generalization-in-AI]]
- **Raw Source:** 10_Wiki/Topics/AI/Hyperparameter-Optimization.md