ARGUS: 정책 적응형 광고 거버넌스 및 적대적 판정자를 통한 진화 강화 학습

요약

ARGUS는 온라인 광고 거버넌스가 직면하는 규제 정책의 비정상성 문제를 해결하기 위해 제안된 시스템입니다. 이 시스템은 다중 에이전트 적대적 판정자(multi-agent adversarial umpiring)를 활용한 진화 강화 학습을 가능하게 합니다. ARGUS는 새로운 정책 데이터가 희소할 때 초기 인식, 적대적 레이블 정정 등의 3단계 프레임워크를 사용하여 효과적으로 작동합니다.

핵심 포인트

• 온라인 광고 거버넌스는 규제 정책의 비정상성(non-stationary nature)으로 인해 어려움을 겪는다.
• ARGUS는 다중 에이전트 적대적 판정자를 이용한 진화 강화 학습 시스템이다.
• 새로운 정책 데이터가 부족할 때, ARGUS는 3단계 프레임워크를 통해 문제를 해결한다 (정책 시딩 및 적대적 레이블 정정 포함).
• 이는 기존의 광고 거버넌스 모델이 직면하는 레이블 불일치와 추론 모호성 문제를 다룬다.