데이터가 빈 곳만 골라 묻는 강화학습, UNC·CMU 질의 배분

오프라인 강화학습(offline RL)은 가진 데이터 범위에 묶이고, 온라인 탐색은 비싸거나 위험합니다. UNC 채플힐·존스홉킨스대·CMU 연구팀은 고정 데이터에서 출발해 어떤 상태·시점을 협력자와 시뮬레이터에 물을지 학습자가 직접 고르는 질의 기반 협력 RL을 제안했습니다. 최적 정책 식별에 필요한 질의 수의 하한을 유도해 그대로 배분하며, 약 1만 회 질의로 멈췄습니다. 균등·커버리지 배분은 5~22배 많은 질의가 필요했습니다.