feat(wiki): implement P-Reinforce v3.0 standard & integrate 26+ new knowledge artifacts

- Formalized automatic record migration protocol in System Manual.
- Integrated high-density knowledge for RAG, AI, Business Strategy, and Leadership.
- Enhanced graph connectivity across core strategic hubs.
- Archived raw data and updated timeline records.

01_Archive/2026-05-04/ERR (Expected Reciprocal Rank).md

@@ -0,0 +1,16 @@
+# [[ERR (Expected Reciprocal Rank)]]
+
+## 📌 Brief Summary
+ERR(Expected Reciprocal Rank)은 검색 결과에 대한 사용자의 만족도를 기존의 DCG(Discounted Cumulative Gain) 지표보다 더 잘 모델링하기 위해 제안된 새로운 평가 지표입니다 [1]. 이 지표는 사용자가 덜 관련성 있는 문서를 볼 때보다 더 관련성 있는 문서를 확인한 후에 검색 결과 탐색을 중단할 가능성이 높다는 가정에 기초하고 있습니다 [1].
+
+## 📖 Core Content
+*   **평가 지표로서의 역할:** ERR은 머신러닝 기반 랭킹(Learning to rank) 및 정보 검색 시스템에서 모델의 성능을 평가하고 비교하기 위해 사용되는 여러 측정 방법(Evaluation measures) 중 하나입니다 [1-3].
+*   **사용자 행동 가정:** ERR 알고리즘의 핵심은 사용자의 검색 결과 탐색 행동을 기반으로 한다는 점입니다. 사용자는 위에서부터 아래로 검색 결과를 살펴보며, 매우 관련성이 높은 문서를 발견할수록 더 이상 다른 검색 결과를 살펴보지 않고 탐색을 멈출 확률이 높다고 가정합니다 [1]. 
+*   **기존 지표와의 비교:** 학술 연구 등에서 다중 수준의 관련성을 평가할 때 주로 DCG나 NDCG가 선호되었으나, ERR은 (Yandex의 pfound 지표와 함께) 실제 사용자의 만족도를 DCG 지표보다 더욱 잘 반영한다고 주장됩니다 [1, 3]. 
+
+## ⚖️ Trade-offs & Caveats
+소스에 관련 정보가 부족합니다. 
+
+
+---
+*Last updated: 2026-05-04*