스콧 우(Scott Wu)의 술집 카드 게임을 수학적 강화학습 (Math RL) 환경으로 구현하다

요약

스콧 우의 술집 카드 게임을 수학적 강화학습(Math RL) 환경으로 구현했습니다. 이 OpenEnv 기반 환경은 간단한 규칙과 보상 체계를 갖추어 작은 모델들이 훈련할 수 있도록 설계되었습니다. 대규모 학습 데이터와 솔버를 통해 검증되었으며, 추론 속도에 대한 고려가 필요합니다.

핵심 포인트

• OpenEnv 기반의 Math RL 환경으로 구현됨.
• 간단한 규칙과 보상 체계로 모델 훈련이 용이함.
• 4,000개의 학습 데이터와 솔버를 통해 검증 완료.
• 평가 시 추론 속도(inference speed)에 영향을 받음.