2nd/10_Wiki/Topics/AI_and_ML/Exploding-Gradient Problem.md

id, title, category, status, canonical_id, aliases, duplicate_of, source_trust_level, confidence_score, tags, raw_sources, last_reinforced, github_commit, inferred_by

id	title	category	status	canonical_id	aliases	duplicate_of	source_trust_level	confidence_score	tags	raw_sources	last_reinforced	github_commit	inferred_by
wiki-2026-0508-exploding-gradient-problem	Exploding Gradient Problem	10_Wiki/Topics	needs_review	self	GRAD-EXPL-001	none	A	1.0	ai Deep-Learning neural-networks Optimization exploding-gradient		2026-04-26	pending	Claude Opus 4.7 (auto-normalize 2026-05-08)

Exploding Gradient Problem (기울기 폭주 문제)

📌 한 줄 통찰 (The Karpathy Summary)

"기울기가 눈덩이처럼 커져 학습이 파괴되지 않도록 제어하라" — 딥러닝 학습 과정에서 역전파되는 기울기 값이 층을 거듭할수록 기하급수적으로 커져 가중치가 매우 큰 값으로 업데이트되고, 결국 학습이 불안정해지거나 실패(NaN 발생)하는 현상.

📖 구조화된 지식 (Synthesized Content)

• 추출된 패턴: 가중치 행렬의 고유값이 1보다 클 때, 연쇄 법칙에 의해 기울기가 곱해지며 무한히 증폭되는 수치적 불안정 패턴. 주로 순환 신경망(RNN)이나 매우 깊은 신경망에서 발생.
• 해결 기법:
  • Gradient CLIPping: 기울기가 일정 임계값(Threshold)을 넘지 않도록 강제로 자름 (가장 직접적인 해결책).
  • Weight Initialization: 가중치 초기값을 적절히 설정 (Xavier, He 초기화).
  • Batch Normalization: 각 층의 출력을 정규화하여 값의 범위를 제한.
  • LSTM / GRU: 게이트 구조를 통해 정보의 흐름을 조절하여 RNN의 고질적인 문제 완화.

⚠️ 모순 및 업데이트 (Contradictions & Updates)

• 과거 데이터와의 충돌: 기울기 소실(Vanishing Gradient) 문제에 가려져 덜 주목받았으나, 초거대 모델 학습 시 수치적 안정성을 깨뜨리는 주요 원인으로 부각됨.
• 정책 변화: Antigravity 프로젝트는 대규모 지식 임베딩 모델 학습 시, Gradient Clipping을 기본으로 설정하여 학습 초기 단계의 발산을 방지함.

🔗 지식 연결 (Graph)

• Backpropagation, Neural-Networks-Foundations, Regularization-Techniques, Deep-Learning-Foundations
• Raw Source: 10_Wiki/Topics/AI/Exploding-Gradient Problem.md

🤖 LLM 활용 힌트 (How to Use This Knowledge)

언제 이 지식을 쓰는가:

• (TODO)

언제 쓰면 안 되는가:

• (TODO)

🧪 검증 상태 (Validation)

• 정보 상태: needs_review
• 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.

🕓 변경 이력 (Changelog)

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