2nd/10_Wiki/Topics/Reward Prediction Error (상태 예측 오류).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-reward-prediction-error-상태-예측-오류	Reward Prediction Error (상태 예측 오류)	10_Wiki/Topics	verified	self	P-Reinforce-AUTO-RWPE-KOR	none	A	0.92	uncategorized		2026-05-08	pending	Claude Opus 4.7 (auto-normalize 2026-05-08)

Reward Prediction Error (상태 예측 오류)

Note

본 내용은 Reward Prediction Error 문서에서 통합 관리되고 있습니다. 글로벌 지식 연결을 위해 영문 표준 명칭 문서를 사용합니다. 위 링크로 이동해 주시기 바랍니다. 🫡🐟

📌 한 줄 통찰 (The Karpathy Summary)

보상 예측 오류(RPE)는 "기대했던 보상 - 실제 받은 보상"의 차이로, 도파민 신호의 신경과학적 모델이자 TD 학습의 핵심 신호다.

📖 구조화된 지식 (Synthesized Content)

추출된 패턴: 신경과학(VTA 도파민 뉴런 활동)과 강화학습 이론(TD-error)이 같은 수학을 공유 — 이 수렴이 "뇌가 RL 기계인가"라는 질문의 출발점.

세부 내용:

• 수식: δ = r + γV(s') - V(s).
• 양/음 RPE: 기대보다 좋으면 양(보상 학습), 나쁘면 음(소거 학습).
• 도파민 가설(Schultz): VTA/SNc 도파민 뉴런이 RPE를 인코딩.
• 연관: 중독·우울·파킨슨 같은 질환의 신경경제학적 모델 기반.
• 알고리즘: Q-learning, SARSA, Actor-Critic의 핵심 업데이트 신호.

🤖 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