Active Inference 도입을 통한 에이전트 성공률 48%에서 100% 달성

Context

기존 Reward-chasing 기반 에이전트는 단순 보상 극대화에만 집중하여 새로운 정보 탐색에 한계를 보임. exploration bonus와 같은 수동적인 튜닝 없이는 불확실한 환경에서 로컬 옵티멈에 빠지는 구조적 결함 존재.

Technical Solution

• Reward 극대화가 아닌 Surprise 최소화를 목표로 하는 Active Inference 메커니즘 설계
• 불확실성 제거를 통한 정보 획득 가치를 비용 함수에 통합하여 Curiosity를 내재화
• 행동 결정 전 '보상 근접도'와 '불확실성 감소량'을 동시에 평가하는 이중 스코어링 로직 적용
• 불확실성이 높은 상황에서 정보 획득 행동(Hint check)의 가중치를 높여 선제적 정보 수집 유도
• 정보 획득 후 불확실성이 해소되면 즉시 보상 획득 행동으로 전환하는 동적 상태 전이 구현

Impact

• 단순 추측 기반 에이전트 대비 작업 성공률 48%에서 100%로 향상