hillclimb

힐 클라이밍

평가 점수를 기준으로 작은 변경을 반복해 더 좋은 결과로 조금씩 올라가는 탐색·최적화 방법이다.

기사 1편최근 언급

hillclimb(hill climbing, 언덕 오르기)는 현재 상태에 작은 변경을 가한 뒤 평가 점수가 오르면 그 변경을 채택하고 오르지 않으면 되돌리는 과정을 반복해 점차 더 좋은 해로 나아가는 탐색·최적화 방법이다. 수학적 최적화와 인공지능 탐색 알고리즘의 고전적인 기법으로, 전체에서 가장 좋은 해가 아닌 국소 최적점(local optimum)에 갇힐 수 있고 수렴이 보장되지 않는 heuristic(경험적 탐색)이다.

AI 개발 현장에서는 eval(모델 성능을 재는 평가 기준) 점수를 지표로 삼아 prompt, 설정, 코드 등을 조금씩 바꾸며 점수를 끌어올리는 작업을 가리키는 말로 쓰인다. 평가 데이터에만 맞춰지는 overfitting을 막기 위해 데이터를 train과 test로 나누고 두 쪽 모두에서 점수가 오를 때만 변경을 유지하는 방식이 함께 쓰인다.

이 설명은 AIPOST 기사와 널리 알려진 사실을 바탕으로 정리했습니다. 잘못된 내용이 있으면 정정 요청으로 알려 주세요.

이 항목을 다룬 기사

  • prompt 부채 정리와 cache 설계로 Claude 비용 최대 72.9% 절감AI 활용 ·

    아래에서 다루는 prompt 감사, cache, eval, hillclimb(평가 점수를 기준으로 조금씩 고쳐 올라가는 자동 최적화)는 모두 앱을 이 경계 위로 끌어올리는 방법입니다.

    기사 읽기

설명이 잘못되었거나 찾는 항목이 없나요?

위키 설명은 AIPOST 기사와 널리 알려진 사실을 바탕으로 정리합니다. 잘못된 설명은 정정 요청으로 알려 주시면 확인해 고칩니다. 새 기사에 나온 이름은 기사가 올라온 뒤 위키에 더해집니다.