[태그:] 강화학습

영국 연구진이 실제 궤적으로 세계모형을 학습한 뒤 인간 선호·안전 근거를 묶어 보상모형을 학습하는 DROPJ를 제안했고, 실제 사용자 실험으로 검증했다.

ICLR 2026 게재 예정인 프리프린트는 절대값 대신 상태쌍의 가치 차이를 직접 배우는 Relative Value Learning을 제안하고, Atari 49개 게임에서 PPO와 ...

장기 대화 QA용 메모리 구성에서 결과 보상만 쓰던 RL의 한계를 토큰 수준 기여도로 보완한 AttriMem 프리프린트의 방법과 검증 결과를 정리한다.

스위스 법률 번역에서 소형 언어모델의 재학습과 강화학습이 어떤 차이를 내는지, 4B~12B 모델과 추론형 거대모델을 공개 데이터로 비교한 연구다.

벨만 방정식의 재귀 형식을 동역학·반환·불확실성 집계의 세 조건으로 설명하고, 확률·반환·집계 사이의 세 가지 쌍대성을 하나의 이론 틀로 묶은 arXiv 프리프린트다.

프리프린트 Handroid는 데스크톱 크기의 단일 본체를 손과 휴머노이드로 바꿔 쓰며, 실제 조작·강화학습 보행·장기 재구성을 통해 범위를 점검했다.

실제 독일 저전압망 토폴로지와 합성 운전점 3만5,040개로 강화학습 제어를 평가한 결과, 모델 불일치가 가장 큰 약점으로 나타났다.

비정상 유동 속 두 가지 매개변수 네비게이션 문제에서, 물리정보를 접목한 강화학습 PEARL이 짧은 구간의 정확한 기울기와 미래 보상을 근사한 adjoint를 ...

각 플레이어가 상대의 알고리즘과 비공개 정보를 공유하지 않는 턴제 확률게임에서 도달성 목표의 분산 PAC 학습 보장을 제시한 arXiv v1이다.

Qwen3-VL 계열의 통제 실험에서 출력 구조만 채점한 보상의 해킹률이 최대 48.1%였다. 이 수치는 특정 Safety VQA 조건의 결과다.

손과 도구의 접촉 관계를 보존해 사람 동작을 로봇에 재표적화하고 시뮬레이션 강화학습을 거쳐 실기로 옮긴 연구다.

CFD 기반 결합 drag surrogate로 훈련한 6자유도 AUV 정책을 탱크와 두 해역에 제로샷 배치해 비교했다.