PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2603.15282v2cs.AI

완전 관측 비결정적 문제에서 상태의 안전성을 판정하는 알고리즘: 기술 보고서

Algorithms for Deciding the Safety of States in Fully Observable Non-deterministic Problems: Technical Report

학습된 행동 정책은 순차적 의사결정에서 점점 더 널리 쓰이지만, 안전성 보장이 부족하다. 최근 연구는 초기 상태와 행동 결과의 비결정성 하에서 그러한 정책의 안전성을 검증하는 파이프라인을 제안했다. 이 파이프라인의 핵심은 어떤 상태가 안전한지(해당 상태에서 안전한 정책이 존재하는지)를 판정하고, 안전한 상태에서 비안전한 상태로 전이시키는 상태-행동 쌍인 결함(fault)을 찾는 문제이다. 안전성 판정에 가장 효과적이었던 TarjanSafe는 벤치마크에서 효과적이지만, 상태 공간 크기에 대해 최악 시간 복잡도가 지수적임을 보인다. 선형 시간 대안도 존재하지만 실제로는 더 느리다. 우리는 새로운 정책 반복(policy-iteration) 알고리즘 iPI로 이 간극을 메우며, 두 접근의 장점을 결합한다: TarjanSafe의 최선 경우 실행 시간과 맞먹으면서도 다항식 최악 시간 복잡도를 보장한다. 실험은 이론을 뒷받침하며, TarjanSafe에 적합한 문제에서는 iPI가 유사한 성능을 보이고, 부적합한 문제에서는 iPI가 훨씬 더 우수한 확장성을 보인다.