비음수 마팅게일의 정보 흐름으로 고전적 확률 부등식의 손실량 설명

2026년 8월 20일 arXiv에 제출된 사전논문 Information on trajectories: martingales and random times는 비음수 마팅게일의 경로 공간에서 정보가 어떻게 흐르는지를 변분 항등식으로 표현한다. 저자는 Akshay Balsubramani다.

확률 경계가 버리는 정보를 정확한 식으로 표현

논문은 임의의 무작위 시점에서도 성립하는 항등식을 이용해 Ville 부등식부터 PAC-Bayes 경계까지 여러 고전적 집중 부등식을 다시 얻고, 각 경계가 원래 정보에서 얼마나 느슨해지는지를 계산한다. 꼬리 확률을 제어하는 양 자체를 상대 엔트로피로 보고, 연쇄 법칙을 통해 단계별 조건부 발산으로 나눈다.

손실분은 세 가지 기하 구조에서 서로 다른 형태로 나타난다. Azuma-Hoeffding·PAC-Bayes 경계에서는 Gibbs 기울임, Ville·결합 검정에서는 경계 통과 사건, L^p 최대 부등식에서는 지배 인증서로 표현된다.

무작위 시점의 ‘미리 보기’ 비용

경로와 시간의 결합 공간으로 옮기면 임의의 무작위 시점이 정보를 미리 본 데 따른 e-process의 ‘peeking penalty’가 추가된다. 논문은 또 여러 시험 마팅게일을 기하 혼합할 때 나타나는 결합 이점도 설명한다.

기존 원고는 이 결과가 강화학습이나 시계열 예측에 곧바로 활용될 것이라고 단정했지만, 논문 초록은 그런 응용 실험을 제시하지 않는다. 현재 확인할 수 있는 성과는 확률론·정보이론의 수학적 항등식이며, 구체적인 AI 모델 성능 개선으로 해석해서는 안 된다.