3.4 KiB
3.4 KiB
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-prioritized-experience-replay | Prioritized Experience Replay | 10_Wiki/Topics | needs_review | self |
|
none | A | 1.0 |
|
2026-04-26 | pending | Claude Opus 4.7 (auto-normalize 2026-05-08) |
Prioritized Experience Replay (우선순위 경험 재생)
📌 한 줄 통찰 (The Karpathy Summary)
"모든 과거를 공평하게 기억하지 말고, 예상 밖의 '충격적 경험(TD Error)'을 더 자주 복기하여 학습의 가속도를 높여라" — 강화학습 에이전트의 경험 저장소(Replay Buffer)에서 학습 효율이 높은 중요한 샘플에 가중치를 두어 우선적으로 샘플링하는 기법.
📖 구조화된 지식 (Synthesized Content)
- 추출된 패턴: "Learning from Surprise and Weighted Importance Sampling" — 현재 모델이 예측한 가치와 실제 결과 사이의 차이(TD Error)가 큰 샘플일수록 '아직 배울 것이 많다'고 판단하여, 해당 데이터를 더 자주 학습에 활용함으로써 수렴 속도를 비약적으로 향상시키는 패턴.
- 핵심 메커니즘:
- Priority (
p_i): TD Error에 비례하여 산정. - Sampling Probability: 우선순위에 따른 확률 분포 생성.
- Importance Sampling Weights: 우선순위 샘플링으로 인한 데이터 편향을 수학적으로 보정하여 학습 안정성 유지.
- Priority (
- 의의: 무작위 샘플링(Uniform Sampling)보다 훨씬 적은 경험 데이터로도 복잡한 작업을 빠르게 마스터하게 하며, 드문 보상(Sparse Reward) 환경에서 결정적인 역할을 수행함.
⚠️ 모순 및 업데이트 (Contradictions & Updates)
- 과거 데이터와의 충돌: 초기 DQN의 무작위 재생 방식에서 벗어나, 이제는 데이터의 '질적 가치'를 평가하여 학습에 반영하는 지능적 데이터 선별 방식이 현대 강화학습의 정석으로 자리 잡음.
- 정책 변화: Antigravity 프로젝트는 에이전트의 예외 상황 처리 능력을 키울 때, 과거의 실패 사례 중 모델의 예측 오차가 가장 컸던 지점들을 우선적으로 재학습시키는 PER 전략을 적용함.
🔗 지식 연결 (Graph)
- Experience-Replay-Strategies, Off-policy-vs-On-policy-Learning, Deep-Q-Networks-DQN, Reinforcement-Learning
- Raw Source: 10_Wiki/Topics/AI/Prioritized-Experience-Replay.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 |