새 arXiv 논문은 학습 중 발견한 고성능 회로 설정을 ‘등대’로 저장하고, 이후 강화학습 에피소드의 재시작 지점으로 활용하는 Lighthouse RL을 제안한다. 핵심 목표는 비용이 큰 아날로그 회로 크기 최적화에서 불필요한 탐색을 줄이는 것이다.
더 보기새 arXiv 논문은 수직 운동을 하는 도립진자 안정화 문제에서 리아푸노프 특성 지수를 물리 기반 밀집 보상으로 사용하는 방법을 제안한다. 보고에 따르면 에이전트는 Kapitza 진자의 진동 안정화뿐 아니라 축의 흔들림을 감쇠시켜 엄밀한 직립 상태까지 도달했다.
더 보기arXiv에 공개된 TRACE는 긴 도구 호출 경로에서 각 행동의 기여도를 추정하는 강화학습 방법이다. 동결된 참조 모델을 활용해 최종 정답 신호를 턴별 보상으로 바꾼다.
더 보기새 arXiv 논문 SIVA-RL은 이미지 개입의 종류가 아니라 실제 보상 변화에 따라 시각 정렬 신호를 배정한다. 목표는 비전-언어 모델이 답을 맞히는 데서 그치지 않고 이미지 증거에 근거해 추론하도록 만드는 것이다.
더 보기DAGR는 목표 조건 강화학습에서 흔한 한계, 즉 목표 임베딩이 현재 상태를 보지 않는 문제를 다룬다. OGBench 내비게이션에서는 개선을 보였지만 조작 및 puzzle 과제에서는 일관된 우위를 보이지 않았다.
더 보기