Python과 Numba를 활용한 고성능 Gumbel MCTS 및 PUCT 구현체 공개

작성자가 직접 구현하고 검증한 고성능 라이브러리에 대해 긍정적인 반응이 예상되며 특히 Numba를 통한 속도 향상 수치에 주목하고 있다.

• Python에서 MCTS 성능이 문제라면 Numba를 이용한 JIT 컴파일 최적화를 고려하라
• 시뮬레이션 자원이 제한적인 환경에서는 PUCT 대신 Gumbel MCTS를 사용하는 것이 유리하다

• Gumbel MCTS는 적은 시뮬레이션 예산에서 PUCT보다 정책 개선 효과가 뛰어나다
• Sparse MCTS 구현은 체스와 같이 브랜칭 팩터가 큰 환경에서 필수적인 최적화 요소이다

• Numba 최적화를 통해 Python 기반 MCTS 성능을 기존 대비 최대 15배 향상시켰다.
• Gumbel MCTS는 적은 시뮬레이션 횟수에서도 PUCT보다 효율적인 의사결정을 수행한다.
• 체스와 같은 대규모 액션 공간을 위해 Sparse Gumbel MCTS 구현체를 제공한다.
• 모든 구현은 표준 베이스라인과의 비교를 통해 정책 일관성과 정확성이 검증되었다.