에이전트 경험으로부터의 샘플 효율적 학습

연구진은 에이전트의 시행착오 경험을 추가 환경 상호작용 없이 모델 가중치로 옮기는 Experience Distillation을 제안했다.

이 방법은 749개의 소프트웨어 공학 과제와 6개의 텍스트 어드벤처 게임에서 평가됐다.

그 결과, 인컨텍스트 러닝의 성과 향상분을 최소 64.8% 유지했고 동일한 경험으로 직접 수행한 지도 미세조정보다 더 나았다.

이번 연구는 에이전트가 과거 상호작용에서 더 효율적으로 학습해, 고비용 환경 샘플을 더 적게 써도 된다는 점을 보여준다.