---
id: wiki-2026-0508-reward-prediciton-error
title: Reward Prediciton Error
category: 10_Wiki/Topics
status: verified
canonical_id: self
aliases: [P-Reinforce-AUTO-RWPE-TYPO]
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)
---

# [[Reward Prediciton Error]]

> [!NOTE]
> 본 파일은 오타가 포함된 파일명으로, 본 내용은 **[[Reward Prediction Error]]** 문서에서 통합 관리되고 있습니다. 위 링크로 이동해 주시기 바랍니다. 🫡🐟
## 📌 한 줄 통찰 (The Karpathy Summary)

> 보상 예측 오류는 강화학습과 신경과학의 교차점에서 학습 신호를 통합 설명하는 핵심 개념이다.

## 📖 구조화된 지식 (Synthesized Content)

**추출된 패턴:** δ = r + γV(s') - V(s) 라는 동일 수식이 도파민 발화율과 가치함수 갱신 모두를 설명한다는 점이 "학습은 곧 RPE 최소화"라는 통합 가설의 근거.

**세부 내용:**
- 양의 RPE → 가치 함수 상향, 음의 RPE → 하향.
- 사람·동물에서 도파민 phasic burst가 RPE와 일치.
- TD-learning 알고리즘이 이 신호를 그대로 사용.
- 환경 비정상성(non-stationarity) 하에서는 학습률 조정 필요.
- LLM RLHF의 KL 페널티도 광의의 RPE 정규화로 볼 수 있음.

## 🤖 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 |