강화학습(RL)은 대규모 언어 모델(LLM)의 추론 능력을 향상시키는 지배적인 패러다임이 되었다. 그러나 PPO-Clip을 사용하는 강화학습 알고리즘은 본질적으로 탐험(exploration) 붕괴라는 한계를 지닌다. 이후 연구들은 주로 휴리스틱에 머물러 있으며 PPO-Clip 실패의 본질적인 원인을 규명하지 못하고 있다. 본 연구는 PPO-Clip의 근본적인 결함을 밝힌다: PPO-Clip은 유클리드 메트릭을 사용하여 정책 불일치를 암묵적으로 측정하는데, 이는 정책 리만 다양체의 내재적 기하구조와 이론적으로 불일치한다. 이러한 기하학적 불일치는 저확률 영역에서는 지나치게 보수적인 업데이트를, 고확률 영역에서는 공격적인 업데이트를 초래하여 결국 탐험을 붕괴시킨다. 이러한 기하학적 결함을 수정하기 위해, 우리는 리만 다양체 위에서 등거리 정책 업데이트를 보장하여 탐험과 활용(exploitation)의 균형을 효과적으로 맞추는 Riemannian Isometric Policy Optimization(RIPO)을 제안한다. 나아가 우리는 RIPO가 유리한 바이어스(bias)-분산 트레이드오프를 달성하여 최적화를 안정화함을 보인다. 광범위한 실험을 통해 RIPO가 7개의 경시대회 수준 벤치마크 전반에서 기존 LLM 강화학습 알고리즘을 크게 능가함을 입증한다(AIME24에서 GRPO 대비 최대 60% 향상).
PPO 및 GRPO와 같은 강화학습(RL) 알고리즘은 다중 턴 에이전트 과제를 위한 대규모 언어 모델(LLM) 학습(training)에 널리 사용됩니다. 그러나 오프-정책(off-policy) 학습 파이프라인에서 이러한 방법은 불안정한 최적화 역학을 보이고 성능 붕괴가 발생하기 쉽습니다. 실증적 분석을 통해, 우리는 이 설정에서 불안정성을 초래하는 두 가지 근본적인 원인을 식별했습니다. 즉, (1) 토큰(token) 단위 정책 최적화와 턴 구조화된 상호작용 간의 세분성 불일치, 그리고 (2) 오프-정책 중요도 샘플링과 부정확한 어드밴티지 추정으로 인해 유도되는 고분산 및 신뢰할 수 없는 그래디언트(gradient) 업데이트입니다. 이러한 문제를 해결하기 위해, 우리는 장기 에이전트 학습을 안정화하는 오프-정책 강화학습인 SORL(Stabilizing Off-Policy Reinforcement Learning for Long-Horizon Agent Training)을 제안합니다. SORL은 정책 최적화를 다중 턴 상호작용 구조와 정렬하고 신뢰할 수 없는 오프-정책 업데이트를 적응적으로 억제하는 메커니즘을 도입하여, 더 보수적이고 강건한 학습 역학을 제공합니다. 이 프레임워크 내에서 우리는 SO-PPO와 SO-GRPO라는 두 가지 안정화된 알고리즘을 구체화합니다. 두 알고리즘 모두 세심한 조기 종료(early stopping)나 휴리스틱 튜닝 없이도 그래디언트 분산을 완화하고 최적화 붕괴를 방지하도록 설계되었습니다. 우리는 오픈 도메인 QA, 멀티홉 QA, 의료 객관식 QA를 아우르는 벤치마크에서 SO-PPO와 SO-GRPO를 평가하고, DAPO-Math-17k에서 학습한 후 AIME-2024에서 검증함으로써 수학적 추론을 위한 비동기 강화학습으로의 전이 능력을 추가로 평가합니다. 이러한 결과는 SORL이 다중 턴 LLM 에이전트 학습 및 수학적 추론을 위한 비동기 강화학습에서 강화학습을 안정화하기 위한 실용적이고 확장 가능하며 범용적인 프레임워크를 제공함을 보여줍니다.
대규모 언어 모델(LLM)은 그럴듯하게 들리는 경제 정책 대응을 생성할 수 있지만, 이것이 모델의 조치가 경제적 동역학과 일치함을 보여주지는 않습니다. 우리는 인스트럭션 튜닝(instruction tuning)된 언어 모델을 6개의 Snowdrop 기반 동적 확률적 일반 균형(DSGE) 시뮬레이터 내부에 배치하여 이를 검증합니다. 매 턴마다 모델은 경제 상황과 경제 담론의 변화를 관측하고, 유계된(bounded) 정책 조치를 선택하며, 다음 시뮬레이션 상태와 경제적 보상을 받습니다. 우리는 반복적인 롤아웃, 지속적 충격, 상태 복제, 롤링 호라이즌(rolling-horizon) 시뮬레이션을 위한 공통 Python 인터페이스를 구현합니다. 이러한 설정은 장기적인 신용 할당(credit-assignment) 문제를 야기합니다. 정책 효과는 조치가 취해진 후 여러 분기가 지나서 나타날 수 있습니다. PPO는 일반화된 이점 추정(GAE)을 통해 지연된 보상을 이전 토큰으로 전파할 수 있는 학습된 가치 함수를 가지고 있습니다. 반면 GRPO는 학습된 가치 함수가 없으며, 대신 전체 롤아웃 수익으로부터 그룹 상대적 이점을 할당합니다. 따라서 GRPO는 어떤 이전 턴이 결과를 초래했는지 구별할 수 없으며, 모든 롤아웃이 동일한 수익을 받는 경우 정규화된 이점은 0이 됩니다. 우리는 PPO를 주요 방법으로 사용하고 GRPO를 이에 대응하는 비평가 없는(critic-free) 기준선으로 사용합니다. 또한 실험에서는 방향성 의미 신호, 보상 호라이즌, 궤적 웜 스타트(warm start), 시뮬레이터 간 전이, 그리고 역사적 사실에 기반한 팬데믹 및 통화 정책 충격도 테스트합니다. 본 연구의 목적은 그럴듯한 언어만으로 평가하는 것이 아니라, 시뮬레이션된 경제적 결과를 바탕으로 정책 조치를 평가하는 것입니다.
실제 문서 분류 파이프라인은 일반적으로 복잡도나 유형과 관계없이 들어오는 모든 문서에 동일한 모델 시퀀스를 적용한다. 이로 인해 연산 자원과 인적 자원이 비효율적으로 사용된다: 단순한 문서는 과도하게 처리되는 반면, 어려운 문서는 충분한 검토를 받지 못할 수 있다. 우리는 문서별로 가장 비용 효율적인 분류 정책을 적응적이고 동적으로 선택하는 방법을 학습하는 계층적 강화학습 프레임워크인 DocHRL을 제안한다. DocHRL은 문서 분류를 2단계 정책 계층을 갖는 순차적 의사결정 문제로 공식화한다: 상위 수준 정책은 광범위한 옵션(비전 분류기, LLM, OCR, 인간 개입 검토) 중에서 선택하고, 옵션별 하위 정책은 호출할 구체적인 모델이나 도구를 선택한다. 보상 신호는 추론 비용, 오분류 비용, 인간 라벨링 비용을 포착하는 총 기대 비용의 음수이다. RVL-CDIP 벤치마크에서 Proximal Policy Optimisation으로 학습된 DocHRL은 16개 문서 클래스에 걸쳐 macro F1 0.973을 달성하는 동시에, 고정된 독립형 분류기가 발생시키는 훨씬 높은 비용과 비교하여 문서당 평균 비용을 2.74 정규화 단위로 줄인다. 우리 결과는 비용 인식 강화학습이 문서 이해 시스템에서 분류 성능과 운영 효율성을 동시에 향상시킬 수 있음을 보여준다.
우리는 공유 그래프 신경망(GNN)이 개별 교통 이동(movement)에 점수를 할당하는 교통 신호 제어 인터페이스를 제안한다. 각 교차로는 결정론적 incidence matrix를 사용하여 이러한 점수를 자체적인 가변 크기의 합법적 신호 위상(phase) 집합으로 변환한다. 방향성 회랑(corridor) 노드는 교통 맥락을 제공하고, 이동 노드는 교차로를 통과하는 제어되는 입출력 경로를 나타낸다. 타입별 평균 집계(typed mean aggregation)는 이동당 하나의 스칼라를 생성하며, 위상 정의와 신호 타이밍은 학습된 신경망 외부에 남아 있다. 이로 인해 그래프 크기와 교차로별 행동 수는 학습된 매개변수 형태와 독립적이다. PPO 실험은 보지 못한 합성 격자 지형, 변경된 신호 커버리지, 다섯 개의 이질적 도시 그래프에서 이 인터페이스를 평가한다. 정책(policy)은 합성 격자 계열 내 보지 못한 지형에서 성능을 유지했지만, 신호 커버리지 변경은 신호 커버리지 분포 이동(distribution shift)에 대한 민감성을 드러냈다. 단일 학습된 도시 정책 인스턴스가 다섯 도시 그래프 모두에서 실행되어 이질적인 결과를 보였다. 이러한 결과는 임의의 도로 네트워크로의 전이(transfer)에 대한 일반적 추정이라기보다 실현 가능성 증거를 제공한다.
비동기 강화학습은 롤아웃 생성과 최적화를 분리함으로써 처리량을 높이지만, 그로 인한 낡음(staleness)은 피할 수 없는 부산물이며, 정책 지연, 엔진 지연, 전문가 혼합(MoE) 라우팅이 복합적으로 이를 악화시킨다. 신뢰 영역(trust region) 관점에서 이러한 불일치는 중요하다. 유한 수평선 개선 상한(finite-horizon improvement bound)에서 학습-추론 발산(training-inference divergence)이 근사 오차를 지배하는 반면, PPO 클리핑은 샘플링된 외향(outward) 업데이트만 게이트하므로 전체 정책 제약이 아니라 샘플링된 대리(surrogate)로 작용한다. 그 결과, 높은 낡음 업데이트는 낡은 롤아웃이 가장 중요한 바로 그 비동기 체제에서 약하게 제어된 채 남을 수 있다. 우리는 분리된(detached) 샘플링 log-ratio를 실용적인 낡음 프록시로 사용하고, 낡음 기반 커널 함수 스케일링을 통해 각 배치 내 고불일치(high-mismatch) 꼬리를 식별하며, Effective contraction factors를 사용해 명목 PPO 구간의 부호 선택(sign-selected) 끝점만 수축(contract)하는 Staleness-Adaptive Trust Region(SAT)을 제안한다. 이 설계는 일반 토큰에서 기준선 동작을 보존하면서, 새로 가로챈(intercepted) 외향 밴드에서만 업데이트를 더 보수적으로 만든다. 우리는 Qwen3-30B-A3B-Base 기반의 완전 분리형 비동기 강화학습 설정에서 SAT를 평가하며, SGLang을 추론 엔진으로, Megatron을 학습 파이프라인으로 활용한다. 이 설정에서 SAT-GSPO w/ R3는 관측된 최고 AIME24 avg@8을 달성하여 lag 1에서 35.83, lag 8에서 34.79에 도달했으며, SAT-GSPO는 lag 1에서 34.17에 도달한다. 더 넓게 보면, 결과는 클립 구간을 관측된 낡음 이질성(staleness heterogeneity)에 맞추는 것이 보고된 비동기 체제를 안정화하는 효과적인 방법임을 보여준다.
강화학습에서 critic은 일반적으로 절대 상태 가치 $V(s)$를 추정하여, 특정 상황이 고립적으로 얼마나 좋은지를 평가한다. 그러나 제어에 실제로 관련 있는 것은 가치의 차이뿐이라는 점이 밝혀졌다. 이에 동기를 얻어, 반대칭 함수 $Δ(s_i, s_j) = V(s_i) - V(s_j)$를 통해 가치 차이를 직접 학습하는 프레임워크인 상대 가치 학습(Relative Value Learning, RV)을 제안한다. 우리는 쌍wise Bellman 연산자를 도입하고, 이것이 고유 고정점이 실제 가치 차이와 같음을 갖는 $γ$-수축임을 증명하며, 적절히 정의된 1-step, n-step 및 $λ$-return 타깃을 유도하고, 쌍wise 차이로부터 일반화된 advantage estimation을 재구성하여 편향되지 않은 정책 그래디언트 추정량(R-GAE)을 얻는다. 이론적 결과를 넘어, RV를 PPO와 통합하여 표준 PPO와 비교했을 때 Atari 벤치마크(49개 ALE 게임)에서 경쟁력 있는 성능을 달성하였으며, 이는 상대 가치 추정이 절대 critic에 대한 효과적인 대안임을 시사한다.
우리는 왜곡 리스크메트릭(distortion riskmetrics)으로 특징지어지는 광범위한 리스크 목적 함수 하에서 에이전트의 리스크 선호를 유도하고 정책을 최적화하기 위해 역강화학습(IRL)과 강화학습(RL)을 통합하는 노이즈 강건 유도-최적화 프레임워크를 제안한다. 유도 측면에서, 우리는 에이전트가 확률적(stochastic)이고 차선(suboptimal)인 행동을 취하는 것을 명시적으로 허용하면서, 노이즈가 있는 관측된 의사결정으로부터 에이전트의 잠재적(latent) 리스크 목적을 추론하는 적응형 베이지안 IRL 방법을 제안한다. 우리는 후보 클래스 내에서 선호되는 왜곡 리스크메트릭을 식별하는 유한한 구별 질문(distinguishing questions) 집합의 존재를 확립하고, 일반적인 설정 하에서 알고리즘의 수렴 속도가 $O(\exp(-cm+O(\sqrt{m\log m})))$ 차수임을 증명한다. 여기서 $c>0$은 상수이고 $m$은 알고리즘 반복 횟수를 나타낸다. 최적화 측면에서, 우리는 조건부 왜곡 리스크메트릭 하에서 정책을 최적화하기 위한 모델-자유(model-free) RL 알고리즘을 개발한다. 목적 함수를 왜곡 함수에 대한 조건부 비용 분위(quantile) 함수의 적분으로 표현함으로써, 이 방법은 왜곡-리스크메트릭 목적 함수들을 통합한다. 우리는 정책, 가치(value), 및 분위 신경망을 갖춘 Proximal Policy Optimization (PPO) 알고리즘을 확장하여 다양한 리스크 목적 함수를 최적화하며, 여기서 분위 네트워크는 전체 조건부 비용 분위 함수를 추정하고 일반적인 리스크 목적 함수의 수치적 평가를 가능하게 한다. 포괄적인 실증 연구는 복잡한 금융 환경에서 이 프레임워크의 유도 정확도와 효과를 입증한다.
물리적 로봇에서 직접 강화학습 에이전트를 학습시키면 모든 낙하 사고가 큰 비용을 초래한다. 낙하는 플랫폼에 손상을 줄 수 있으며 시뮬레이터 리셋처럼 되돌릴 수 없기 때문이다. 따라서 제약 마르코프 결정 과정(MDP) 공식화에서처럼 낙하를 보상과 트레이드오프하는 것이 아니라, 학습 중 낙하를 최소화하는 것이 목표다. 표준적인 완화 방법은 에이전트가 설계자가 지정한 안전 영역(에이전트가 머물러야 하는 상태 공간의 부분 집합)을 벗어날 때마다 별도의 복구 정책에 제어권을 넘긴다. 그러나 이로 인해 생성된 혼합 정책 롤아웃은 모든 온-정책 업데이트에 암묵적으로 바이어스를 도입하며, 이 바이어스를 제거할 중요도 샘플링(importance sampling) 보정은 복구 정책이 결정론적일 때 정의되지 않는다. 우리는 근위 정책 최적화(PPO, proximal policy optimization)의 드롭인 수정을 통해 이 바이어스를 해결한다. 핵심은 안전한 타임스텝에서만 점수 함수(score function)를 사용하고 복구 정책의 밀도를 평가하지 않는 비편향 정책 그래디언트 추정기로, 이는 중요도 샘플링이 실패하는 바로 그 지점인 복구 정책이 결정론적인 경우에도 유효하며, 복구 정책이 확률론적인 경우에도 중요도 샘플링보다 경험적으로 우수한 성능을 보인다. 복구 정책은 여전히 안전 영역 경계 근처에서 크레딧 할당(credit assignment)을 느리게 만들기 때문에, 학습을 가속화하는 두 가지 추가 구성 요소를 도입한다: 동역학과 복구가 결정론적일 때 복구를 유발하는 상태에 대한 닫힌 형태의 가치 함수, 그리고 복구가 성공할 때만 복구 행동을 모방하는 모방 손실(imitation loss)이다. 세 가지 환경, 다섯 가지 시드 벤치마크에서, 제안된 알고리즘은 HalfCheetah, Ant, Unitree Go1에서 표준 PPO 대비 학습 시간 낙하 횟수를 각각 233배, 48배, 26배 감소시키면서 PPO의 최종 보상을 달성하거나 초과한다. 또한 복구 정책이 신뢰할 수 없는 Ant 환경에서는 최고 최종 보상의 80%에 도달하는 유일한 방법이다.
강화학습 에이전트에서 인지 평가 신호(cognitive appraisal signal)를 단일 조절 변수로 조작하여 불안, 조증, 우울 등 7가지 심리 장애를 용량 의존적으로 유도하는 AG-PPO 프레임워크를 제안하며, 1,000회 이상의 실험을 통해 장애들이 보상-접근 및 위협-회피 축의 2차원 정서 공간으로 자기 조직화되고 동반 이환의 비가산적 상호작용이 창발함을 보였다. 보상 왜곡 장애(조증, 강박, 중독)는 조절 변수 제거만으로 완화되는 반면 회피 장애(불안, PTSD)는 단계적 노출 커리큘럼이 필요하다는 치료 해리 현상이 나타났으며, 이 프레임워크는 격자 세계를 넘어 3D 픽셀 환경(MiniWorld)에서도 전이됨을 확인했다.
창고 내 다수의 자율 이동 로봇(AMR)이 확률적 주문 도착 환경에서 최적 충전 결정을 내리도록, 충전 스테이션 선택과 충전 시간을 동시에 학습하는 근위 정책 최적화(PPO) 기반 심층 강화학습(DRL) 프레임워크를 제안한다. 제안 모델은 충전 스테이션 대기 시간을 명시적으로 고려하여, 기존 최강 기준선 대비 주문 완료율을 최대 6% 향상시키고 충전에 소요되는 총 시간을 크게 단축하는 성능을 보였다.
산업 제어 환경에서 심층 강화학습(DRL)의 지연·오버슈트 문제를 해결하기 위해, DRL 상태 공간에 목표 속도와 미래 참조 지평을 추가하는 예측적 공식화를 제안하고 PPO로 1자유도 헬리콥터 테스트베드에서 평가한 결과 시뮬레이션 내 평균 절대 편차를 2.73°에서 0.31°로 약 9배 개선했다. 실물 하드웨어 제로샷 전이 실험에서는 sim-to-real 격차가 나타났으나, 단일 장거리 예측 지평만 사용한 단순한 구성이 가장 복잡한 모델과 동등한 실제 성능(1.11°)을 달성해, 물리적 전이에 고밀도 예측 데이터가 반드시 필요하지 않음을 보였다.
기존 비평가 없는(critic-free) RLHF 방법들이 전체 생성 궤적에 걸쳐 균일하게 학습 신호를 전파해 긴 추론 경로에서 과도한 계산 비용이 발생하는 문제를 해결하기 위해, PS-PPO는 프롬프트 조건부 컷오프 분포를 도입해 각 궤적의 접두 문맥(prefix)까지만 역전파하되 중요도 가중치 보정으로 불편향 추정을 보장한다. 수학적 추론 및 RLHF 벤치마크 실험에서 PS-PPO는 기존 비평가 없는 기준 방법과 유사한 정확도를 유지하면서 학습 계산량과 최대 GPU 메모리를 크게 절감하는 것으로 나타났다.
프로덕션 환경의 인간 피드백 강화학습(RLHF)은 항상 동기식 보상 신호를 갖지는 않습니다. 코드 실행 검증기, 느린 judge 앙상블, 대기열에 쌓인 인간 검토는 이를 생성한 롤아웃 이후 여러 그래디언트 스텝 뒤에 반환될 수 있어, 표준 PPO의 기반이 되는 동기식 보상 가정을 깨뜨립니다. 이 공백을 Retroactive Advantage Correction(RAC)으로 해결합니다. 각 대기 중인 느린 완료는 대기열에 넣고, 비음 커널을 통해 경과 시간을 반영한 뒤, 클리핑된 잔차로 다음 옵티마이저 스텝의 advantage에 재주입됩니다. 편향되지 않은 클리핑된 importance ratio 하에서, 유효 지연 커널이 그 질량 전부를 재주입할 때 누적 RAC 교정은 정확히 편향되지 않으며, 그렇지 않으면 미재주입 비율에 선형인 바이어스를 갖는다는 것을 증명합니다. 지연이 없는 identity 커널에서는 V-trace로 환원됩니다. 표 형식 마르코프 결정 과정(MDP) 개념 증명에서 RAC는 two-slow-channel 구성에서 닫힌형 정책 바이어스를 최대 47.9배 줄이며, 더 낮은 wall-clock 비용으로 wait-for-slow를 능가합니다. RAC는 두 줄짜리 reward-manager 패치를 통해 PPO 및 GRPO와 통합됩니다.
부분 가관측·확률적 침투 테스트 환경 StochNASim에서 PPO 기반 이력 집약 기법(프레임 스택킹, 관측 보강, LSTM, TrXL)을 체계적으로 비교했으며, 이력 집약이 다른 접근보다 최대 4배 빠르게 수렴하고 단순 관측 보강이 LSTM·TrXL 같은 복잡한 아키텍처를 능가할 수 있음을 보였다.
로봇 강화학습(RL)에서 작업별 전문 정책 라이브러리를 PPO와 LoRA(저랭크 적응)로 학습해 전층 파인튜닝 대비 메모리 사용을 20–160배 줄였으며, 10–50개 정책 배포 시 저장 공간을 90–95% 절감할 수 있으면서 선택한 작업에서 성공률 차이는 유의미하지 않았다.
반복 rollout 수집 비용과 이질적 궤적 간 비교의 한계로 토큰 단위 advantage 추정이 어려운 언어 모델 강화학습(RL)에서, 프롬프트당 단일 rollout의 Monte Carlo 결과로 Pass@k 성공 확률을 예측하는 보정된 신용 critic을 학습하는 SR-PPO를 제안한다. Pass@k는 이미 쉬운 prefix는 낮추고 어렵지만 해결 가능한 구간을 강조하는 선택적 학습 신호를 제공하며, HMMT26·AIME24 등 수학 추론 벤치마크에서 Pass@128 성공률이 안정적으로 개선된다.
방대한 플레이어 규모와 복잡한 비공개 정보 역학에도 불구하고, 인디안 러미(Indian Rummy)는 강화학습 연구를 전혀 받지 못해 왔다. 기존 에이전트는 조합론적 탐색에 의존하며, 이는 전술적으로 강하지만 추론이 느리다. 본 연구는 해당 영역의 최초 RL 에이전트인 IRumAI를 제시한다. IRumAI는 근접 정책 최적화(PPO), meld 인식 관측 인코딩, deadwood 기반 보상 shaping, 이중 분기 convolutional 아키텍처를 통합한다. IRumAI는 더 강한 시범 데이터에 대한 일회성 행동 클로닝(behaviour cloning) 웜스타트 이후, 약한 휴리스틱만을 상대로 강화학습되었다. 이 에이전트는 전체 기준선 계층을 이기도록 일반화되었으며, RL 학습 중 보지 못한 가장 강한 탐색 기반 상대에 대해 53.9%의 승률을 기록했다. 명시적 탐색 없이 IRumAI는 행동당 0.33ms만 소요되어, 최신(state-of-the-art) 휴리스틱보다 7,000배 이상 빠르다. 소거 실험(ablation)은 아키텍처 선택을 검증했으며, linear probing은 네트워크가 공개 상호작용으로부터 상대의 비공개 패를 암묵적으로 모델링함을 보여준다.
레이저 유도 플라즈마 분광법(LIBS) 정량 분석은 고차원 스펙트럼 데이터와 예측 정확도 및 특징 효율성 간의 근본적인 상충 관계로 인해 파장 선택에 있어 중요한 과제에 직면해 있습니다. 본 논문은 파장 선택을 강화학습 문제로 변환하는 새로운 Multi-Adapter PPO 프레임워크를 제시하며, 복잡한 스펙트럼 관계를 포착하기 위해 크로스 어텐션 메커니즘과 여러 전문화된 어댑터를 활용합니다. 제안하는 접근 방식은 강철 및 석탄 데이터셋에서 전통적인 입자 군집 최적화(PSO) 대비 종합 점수에서 평균 28.4%, 예측 정확도에서 45.2% 더 높은 성능을 보였습니다. 제안된 방법은 예측 정확도와 특징 효율성의 균형을 맞추는 데 있어 우수한 성능을 입증하며, 해석 가능성과 계산 효율성을 유지하면서 LIBS 정량 분석 분야에서 최첨단 결과를 달성했습니다. 코드와 데이터셋은 다음 링크에서 공개되었습니다: https://github.com/Hflying/MAPPO