최근접 이웃 매칭으로서의 벡터 검색: 인과 추론에서의 RAG 기반 정책 학습

요약

RAG를 활용하여 인과 추론 프레임워크 내에서 정책 학습을 수행하는 새로운 1단계 및 2단계 방법론을 제안합니다. 벡터 검색을 최근접 이웃 매칭으로 공식화하여 행동 선택의 정확도를 높이는 연구입니다.

핵심 포인트

• RAG 기반 행동 선택을 잠재적 결과 프레임워크로 공식화
• 벡터 검색을 인과 추론의 최근접 이웃 매칭과 연결
• 후회(Regret)를 후보 생성 및 후보 내 선택 단계로 분해
• 트랜스포머 모델을 위한 예측 오차 보장 메커니즘 제공