7편의 한국어 분석 — 최신순으로 정렬했어요
전력 부하 예측 서비스는 일일 예산 제약 하에 정확도와 연산 비용이 다른 모델 간 추론 자원을 효율적으로 배분해야 하는 문제에 직면합니다. 본 연구는 사전 호출 정보, 완전 일자 롤링 폴드, 결과 시간 엠바고, 그리고 최소 서비스 보존 규칙을 활용하여 오프라인 정책을 평가했습니다. 컨텍스트 할당 방식과 FQI(Fitted Q Iteration), Double FQI, Neural FQI를 포함한 세 가지 강화 학습 기법을 정적 예측기와 비교했습니다. 네 가지 공개 데이터셋에 대해 네 가지 예측 기간과 세 가지 예산 제약 조건에서 …
지능형 에이전트나 집단에게 의사 결정은 필수적인 속성이다. 자연계는 모방을 통한 집단 의사 결정과 단일 에이전트의 시행착오라는 두 가지 메커니즘을 통해 효과적인 전략에 수렴하는 것으로 알려져 있다. 본 연구는 이 두 패러다임 간의 등가성을 확립한다. 본 논문은 개체들이 단순하고 국소적인 모방 기반 규칙을 따를 때 나타나는 분산 인지(벌집 지능)가 다중 슬롯 머신의 여러 병렬 인스턴스에서 행동-가치 샘플을 집계하는 단일 온라인 강화 학습(RL) 에이전트와 같음을 보인다. 특히 꿀벌의 맹목적 모방 가중 투표 모델(waggle danc…
양자 상태의 부분적 지식만을 활용하여 다중 큐비트 얽힘을 제어하는 것은 양자 상태 준비, 압축, 제어 및 복잡성 분야의 난제를 해결할 잠재력을 가진 새로운 양자 상호작용 역학 분야의 미개척 영역입니다. 본 연구는 최대 16 큐비트 상태에 대한 짧은 분리 회로를 구성하기 위해 액터-크리틱 알고리즘을 사용하는 딥 강화 학습(RL) 접근 방식을 제시합니다. 본 연구의 에이전트는 두 큐비트 축소 밀도 행렬에만 접근하여 어떤 큐비트 쌍에 두 큐비트 게이트를 적용할지 결정합니다. 이러한 국소 정보만을 요구하는 방식은 현대 NISQ 장치에 직…
소프트웨어 저장소에서 사용자 설명 기반의 실제 문제 해결은 소프트웨어 유지보수의 핵심입니다. 최근 대규모 언어 모델(LLM)의 추론 및 생성 능력 발전으로 자동화된 소프트웨어 문제 해결 분야에서 상당한 진전이 있었습니다. 그러나 실제 소프트웨어 문제 해결은 본질적으로 복잡하며, 장기적인 추론, 반복적 탐색, 피드백 기반 의사결정 등 기존의 단일 단계 접근 방식을 넘어서는 에이전트형 역량을 요구합니다. 본 연구는 LLM 기반 에이전트형 시스템이 소프트웨어 문제 해결의 유망한 방향임을 인식하고, 이 분야의 폭발적인 성장을 체계적으로 …
본 연구는 색인 가능(indexable)하고 통신하며 단일 체인(unichain) 마르코프 결정 과정(MDP)의 휘틀 지수(Whittle indices)를 학습하는 새로운 모델 기반 알고리즘인 BLINQ를 제안한다. BLINQ는 MDP의 경험적 추정치를 구축한 후, 기존 최첨단 알고리즘을 확장하여 휘틀 지수를 계산하는 방식으로 작동한다. 우리는 학습하려는 휘틀 지수로의 수렴 증명과 임의의 정밀도로 학습하는 데 필요한 시간 경계를 제공하며, 계산 복잡도를 분석한다. 수치 실험 결과, BLINQ는 정확한 근사치를 얻기 위해 필요한 …
지능형 튜터링 시스템(ITS)은 고등 교육에서 개인 맞춤 학습 및 학업 모니터링을 지원하며 그 활용이 증가하고 있습니다. 그러나 기존 시스템은 정적 아키텍처와 경직된 규칙 기반 메커니즘에 의존하여 확장성이 제한되고, 이질적인 학습자, 변화하는 학습 행동 및 실제 교육 환경에 효과적으로 적응하기 어렵다는 한계가 있습니다. 본 논문은 실제 환경에 배포된 지능형 시스템의 자율적 의사 결정을 위해 강화 학습(RL) 기반의 자기 적응형 다중 에이전트 아키텍처를 제안합니다. 이 아키텍처는 사용자 상태, 행동, 상호작용 패턴을 고려하여 전문 …
인공지능 분야에서 일반 추론 능력은 오랜 난제였습니다. 최근 대규모 언어 모델(LLM)과 CoT(Chain-of-Thought) 프롬프팅 기법의 발전으로 기본적인 추론 작업에서 상당한 성과를 보였지만, 이는 방대한 양의 인간 주석 데이터에 크게 의존하며 복잡한 문제 해결에는 여전히 한계가 있었습니다. 본 연구는 인간이 직접 레이블링한 추론 궤적 없이 순수한 강화 학습(RL)만으로 LLM의 추론 능력을 효과적으로 향상시킬 수 있음을 보여줍니다. 제안된 RL 프레임워크는 자기 성찰, 검증, 동적 전략 적응과 같은 고급 추론 패턴의 자…
