2nd/10_Wiki/Topics/Reinforcement_Learning_Fundamentals.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-reinforcement-learning-fundament	Reinforcement Learning Fundamentals	10_Wiki/Topics	verified	self		none	A	0.92	uncategorized		2026-05-08	pending	Claude Opus 4.7 (auto-normalize 2026-05-08)

--- redirect_to: "데이터_사이언스_및_ML_엔지니어링" canonical_id: "wiki-2026-0507-029"

Redirect

이 문서는 Canonical 문서인 통합되었습니다. 모든 최신 지식과 세부 내용은 위 링크를 참조하십시오.

📌 한 줄 통찰 (The Karpathy Summary)

RL의 토대는 보상 가설·탐색-활용 트레이드오프·벨만 방정식 세 가지로 압축되며, 이 셋의 균형이 알고리즘 설계의 핵심 결정점이 된다.

📖 구조화된 지식 (Synthesized Content)

추출된 패턴: "즉시 보상 vs 장기 보상"의 시간 신용 할당이 모든 RL 문제의 본질이며, 할인계수 γ와 부트스트래핑 깊이가 이 균형을 조정하는 손잡이다.

세부 내용:

• 보상 가설(Reward Hypothesis): 모든 목표는 누적 스칼라 보상으로 표현 가능하다는 전제.
• 벨만 방정식: V(s) = E[R + γV(s')] — 가치 추정의 재귀적 정의.
• 탐색-활용: ε-greedy, UCB, Thompson sampling, entropy bonus 등.
• 시간 차분(TD): MC와 DP의 절충. SARSA, Q-learning이 대표.
• 함수 근사: 상태 공간이 크면 NN/선형 근사 필요. 수렴성 이슈(Deadly Triad) 주의.

🤖 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