강화 학습(RL) 모델 성능이 알고리즘 및 하이퍼파라미터 설정에 민감하고 환경 간 일반화 격차가 복잡하여 실제 배포에 어려움이 있습니다. SHAP(Shapley Additive exPlanations)을 사용하여 환경 전반의 RL 성능을 평가하고 구성 요소의 영향을 정량화하는 설명 가능한 프레임워크를 제안했습니다. SHAP 기반 구성 선택을 통해 일반화 성능을 향상시키고 실무자에게 실행 가능한 지침을 제공합니다.