pile·
AI / ML·데브시스터즈데브시스터즈·

머신러닝 엔지니어가 퍼즐 게임을 더 재미있게 만드는 방법

문제퍼즐 게임 스테이지의 출시 가능 여부 판단이 소수 작업자의 주관에 의존해, 폴리싱 단계 진행이 느리고 일관성이 떨어진다.
접근강화학습으로 학습한 퍼즐봇이 스테이지를 자동 플레이하도록 하고, 전작 유저 데이터의 EDA와 Grid Search로 평가 지표를 설계한다. 봇 지표와 실제 유저 행동의 상관관계를 검증한다.
결과남은 미션 수 분포 기반 지표가 퍼즐봇 데이터와 사내 테스트 유저 사이에서 0.55~0.65 상관을 보였다. 이를 토대로 객관적인 난이도 판단 기준을 폴리싱 단계에 투입할 수 있게 됐다.
데브시스터즈
데브시스터즈 블로그
원문은 여기서 이어서 읽을 수 있어요
원문 읽기
읽음 (0)

이 글과 비슷한

  1. AI / ML·stackoverflow-blogStack Overflow Blog·

    에이전틱 SDLC를 QA 엔지니어링 마인드셋으로 구축하기

    Motorola Solutions의 테스트 엔지니어링 선임 매니저 Suneet Malhotra가 Stack Overflow 팟캐스트에 출연해 MCP(Model Context Protocol) 기반 에이전틱 SDLC 파이프라인 구축과 LLM-as-judge 평가 방법론을 소개했다. QA 엔지니어링 관점을 소프트웨어 개발 생애 전반에 적용하고, 설계 단계 직후 스펙을 강화해 결함 비용을 줄이는 'QA shift-left' 접근을 다룬다.

    요약 이어보기
    #llm-agent#mcp#test-automation+2
  2. AI / ML·LINE EngineeringLINE Engineering·

    보안 업무를 위한 AI 에이전트 플랫폼 「SAGE」 개발기 1편: 판단은 사람에게 남기는 설계

    LY Corporation Security Development Division이 보안 업무용 AI 에이전트 플랫폼 SAGE의 개발 과정을 공개했다. "완전 자동화"와 "도입 미루기" 양 극단 사이에서 "판단은 사람에게 남기는 설계"를 핵심 원칙으로 삼고, 3단계 점진적 도입 전략(AI 보조→에이전트 협업→자동화)을 채택했다. 현재는 1단계를 중심으로 파일럿·실운영 중이다.

    요약 이어보기
    #llm-app#opensearch#mcp+2