Antigravity Agent
31 lines
2.4 KiB
Markdown
31 lines
2.4 KiB
Markdown
---
|
|
id: [[P-Reinforce|P-Reinforce]]-AUTO-GRPO-001
|
|
category: Dev
|
|
confidence_score: 0.94
|
|
tags: [auto-reinforced, grpo, [[Reinforcement-Learning|Reinforcement-Learning]], llm, [[Optimization|Optimization]], ppo, [[Deep-Learning|Deep-Learning]], deepseek]
|
|
last_reinforced: 2026-04-20
|
|
---
|
|
|
|
# [[GRPO|GRPO]]
|
|
|
|
## 📌 한 줄 통찰 (The Karpathy Summary)
|
|
> "비평가 없는 학습의 효율: 기존 PPO가 판별자(Critic) 모델을 따로 두어 연산량이 많았던 것과 달리, 하나의 행동 집단(Group) 안에서 상대적인 성과를 계산하여 훨씬 적은 자원으로 대형 언어 모델을 비약적으로 똑똑하게 만드는 최신 강화학습 기법."
|
|
|
|
## 📖 구조화된 지식 (Synthesized Content)
|
|
GRPO(Group Relative Policy Optimization)는 DeepSeek-V3 등 최신 거대 언어 모델 학습에 사용된 강화학습 알고리즘입니다.
|
|
|
|
1. **혁신 지점**:
|
|
* **No Critic Model**: 기존 PPO의 핵심인 가치 함수(Value function) 모델을 제거하여 VRAM 절약. ([[Efficiency|Efficiency]]와 연결)
|
|
* **Relative Reward**: 동일한 프롬프트에 대해 여러 답변을 생성(Group)하고, 그 답변들의 평균 점수를 기준으로 각 답변의 우위를 평가(Relative)하여 정책 업데이트.
|
|
2. **왜 중요한가?**:
|
|
* AI 학습 비용 정책이 기하급수적으로 늘어나는 상황에서, 알고리즘적 효율성 정책만으로 고성능 추론 모델 정책([[Reasoning|Reasoning]] models)을 효율적으로 만들 수 있음을 증명했기 때문임.
|
|
|
|
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
|
- **과거 데이터와의 충돌**: 과거 PPO 정책이 강화학습의 '골드 표준'이었으나, GRPO 정책은 대규모 분산 학습 정책 환경에서 통계적 상대 평가 정책이 개별 가치 추정 정책보다 훨씬 안정적([[Reliability|Reliability]])일 수 있음을 보여줌(RL Update).
|
|
- **정책 변화(RL Update)**: 이제는 단순 언어 모델 정책을 넘어, 복잡한 다단계 추론 정책(Multi-step reasoning)이 필요한 수학이나 코딩 전문 모델 정책을 학습시키는 데 필수적인 기술로 자리 잡는 중임. (Reasoning와 연결)
|
|
|
|
## 🔗 지식 연결 (Graph)
|
|
- [[Efficiency|Efficiency]], [[Reliability|Reliability]], [[Reasoning|Reasoning]], [[Reinforcement Learning (RL)|Reinforcement Learning (RL)]], Deep Learning (DL), [[Optimization|Optimization]]
|
|
- **Key Origin**: DeepSeek AI.
|
|
---
|