학습 전 의존 구조를 검증하는 'Structural Admission' 공개

에이전트가 다단계 환경에서 학습할 때, 관찰되는 학습 곡선이나 '창발(emergence)' 현상이 실제 환경의 인과 구조 때문인지 확인하는 것은 매우 중요합니다. Structural Admission은 학습을 시작하기 전, 설계된 작업의 의존 구조가 실제 관찰 및 행동 인터페이스와 일치하는지 검증하는 Python 기반의 표준 라이브러리 도구입니다.

이 도구는 연구자가 설계한 태스크 어댑터와 스크립트 기반의 오라클(Oracle)을 사용하여 다음과 같은 엄격한 검증 프로세스를 수행합니다:

• 데이터 무결성: 캘리브레이션 시드와 태스크 실행 시드의 분리, 사전 등록된 단계에서의 CI 측정 제한.
• 검증 로직: CMI(Conditional Mutual Information) 임계값 기반 검증, 유니폼 랜덤 및 스크립트 오라클 정책 하의 평가.
• 누출 방지: 선언된 관찰 필드 그룹에 대한 사전 공개 누출(leakage) 체크.
• 재현성: 콘텐츠 해싱된 보고서 및 결정론적 아티팩트의 바이트 수준 재현.

검증 결과는 **Admitted(승인), Rejected(거부), Inconclusive(불확실)**로 보고됩니다. 실제 사례에서 특정 관계가 비작동적(non-operative)이라고 예상했으나, CMI 측정값이 설정된 임계값을 초과하여 학습 실험을 진행하기 전 해당 태스크를 거부하고 구조적 결함을 찾아낸 사례가 확인되었습니다.