2nd/10_Wiki/Topics_Blog/Curriculum-Learning.md

id, category, confidence_score, tags, last_reinforced

id	category	confidence_score	tags	last_reinforced
CURRICULUM-001	10_Wiki/💡 Topics/AI	1.0	ai machine-learning curriculum-learning optimization training-strategy	2026-04-26

Curriculum Learning (커리큘럼 학습)

📌 한 줄 통찰 (The Karpathy Summary)

"쉬운 것부터 배우고 점차 난이도를 높여 지능을 견고하게 쌓아라" — 인간의 학습 과정처럼 모델에게 쉬운 샘플부터 점진적으로 복잡한 샘플을 제시하여, 학습 속도를 높이고 더 나은 지역 최적해(Local Minima)에 도달하게 하는 학습 전략.

📖 구조화된 지식 (Synthesized Content)

• 추출된 패턴: 학습 데이터의 난이도(Difficulty)를 사전에 정의하거나 동적으로 측정하여, 모델의 현재 역량에 맞는 데이터를 선별적으로 투입하는 단계적 최적화 패턴.
• 작동 원리:
  • Difficulty Scoring: 데이터의 노이즈, 길이, 복잡도 등을 기준으로 점수 부여.
  • Pacing Function: 학습 진행에 따라 어려운 데이터의 비중을 높여가는 함수 설계.
  • Self-paced Learning: 모델이 스스로 어떤 샘플이 쉬운지 판단하여 학습 순서 결정.
• 장점: 무작위 샘플링보다 수렴 속도가 빠르며, 복잡한 문제에서도 학습이 실패할 확률을 낮춤.

⚠️ 모순 및 업데이트 (Contradictions & RL Update)

• 과거 데이터와의 충돌: 단순히 데이터를 많이 넣으면 된다는 양적 접근에서, 데이터의 '투입 순서'가 모델의 질적 성장을 결정한다는 교육학적 접근으로 진화.
• 정책 변화: Antigravity 프로젝트의 자율 학습 에이전트는 지식 보강 작업 시 기초적인 용어 정의부터 시작하여 점차 복잡한 아키텍처 문서를 작성하는 커리큘럼 학습 방식을 따름.

🔗 지식 연결 (Graph)

• Machine-Learning, Optimization, Deep-Learning, Transfer-Learning-Foundations
• Raw Source: 10_Wiki/Topics/AI/Curriculum-Learning.md