[G1-Sync] Manual knowledge update

10_Wiki/Topics/AI_and_ML/Adaptive Compute (적응형 계산량 조절).md

@@ -2,59 +2,32 @@
 id: wiki-2026-0508-adaptive-compute-적응형-계산량-조절
 title: Adaptive Compute (적응형 계산량 조절)
 category: 10_Wiki/Topics
-status: needs_review
-canonical_id: self
-aliases: [P-Reinforce-AI-ADAPTIVE-COMPUTE]
-duplicate_of: none
+status: duplicate
+canonical_id: wiki-2026-0508-adaptive-compute
+duplicate_of: "[[Adaptive Compute]]"
+aliases: []
 source_trust_level: A
-confidence_score: 0.97
-tags: [AI, Efficiency, AdaptiveCompute, Inference]
-raw_sources: []
-last_reinforced: 2026-04-20
+confidence_score: 0.9
+verification_status: redirected
+tags: [duplicate, adaptive-compute, inference, efficiency]
+last_reinforced: 2026-05-10
 github_commit: pending
-inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
 ---
 
-# [[Adaptive Compute (적응형 계산량 조절)|Adaptive Compute (적응형 계산량 조절)]]
+# Adaptive Compute (적응형 계산량 조절)
 
-## 📌 한 줄 통찰 (The Karpathy Summary)
-> "쉬운 문제는 대충, 어려운 문제는 신중하게." 모든 입력에 동일한 계산 자원을 낭비하지 않고, 과제 난이도에 따라 모델이 사용하는 연산량(층의 깊이, 활성 뉴런 수 등)을 유동적으로 조절하는 지능적 자원 배분 기술이다.
+> **이 문서는 [[Adaptive Compute]] 의 중복본입니다.** Canonical 문서로 redirect.
 
-## 📖 구조화된 지식 (Synthesized Content)
-- **Early Exit**: 모델의 중간 층에서 이미 결과가 확실하다면 최종 층까지 가지 않고 바로 결과를 출력하여 시간과 에너지를 아낌.
-- **MoE (Mixture of Experts)**: 거대 모델의 일부(전공 교수)만 활성화하여 특정 분야의 질문에만 자원을 집중함.
-- **Dynamic Token [[Processing|Processing]]**: 문맥상 중요하지 않은 단어(조사 등)는 낮은 정밀도로 처리하고, 핵심적인 단어에 연산력을 몰아줌.
-- **Inference Efficiency**: 동일한 정확도를 유지하면서 서빙 비용(GPU 소모)을 획기적으로 낮추는 핵심 열쇠다.
+## 핵심 요약
+- Adaptive compute = 매 input difficulty 의 따라 의 inference compute 의 dynamic 의 allocate.
+- 매 동일 concept — 매 Korean parenthetical translation 의 only difference.
+- Test-time scaling, early-exit, mixture-of-depths, adaptive thinking budget (Claude extended thinking 2024+) 의 family.
 
-## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
-- 계산량을 줄이는 과정에서 모델의 '설명 가능성'이 파편화될 위험이 있다. 또한 어떤 문제가 '쉬운 문제'인지 판단하는 과정 자체가 또 다른 계산 오버헤드가 될 수 있으므로, 판단 로직을 극도로 가볍게 설계하는 것이 쟁점이다. 최근에는 OpenAI o1처럼 추론 시간을 의도적으로 늘려 성능을 극대화하는 '역방향' 적응형 계산 연구도 부상하고 있다.
+## 🔗 Graph
+- 부모: [[Adaptive Compute]] (canonical)
 
-## 🔗 지식 연결 (Graph)
-- Related: [[Model-Compression|Model-Compression]] , Mixture of Experts (MoE)
-- Modern Pattern: [[Test-Time Compute Scaling (추론 시간 계산 스케일링)|Test-Time Compute Scaling (추론 시간 계산 스케일링)]]
-
-## 🤖 LLM 활용 힌트 (How to Use This Knowledge)
-
-**언제 이 지식을 쓰는가:**
-- *(TODO)*
-
-**언제 쓰면 안 되는가:**
-- *(TODO)*
-
-## 🧪 검증 상태 (Validation)
-
-- **정보 상태:** needs_review
-- **출처 신뢰도:** A
-- **검토 이유:** *(P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)*
-
-## 🧬 중복 검사 (Duplicate Check)
-
-- **기존 유사 문서:** *(TODO: 인덱서 클러스터 리포트 참조)*
-- **처리 방식:** UPDATE (자동 정규화)
-- **처리 이유:** Phase 1 정규화 — 옛 템플릿/누락 필드 보강.
-
-## 🕓 변경 이력 (Changelog)
-
-| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
-|------|-----------|-----------|--------|
-| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |
+## 🕓 변경 이력
+| 날짜 | 변경 |
+|---|---|
+| 2026-05-08 | Phase 1 |
+| 2026-05-10 | 중복 처리 — canonical 문서로 redirect (Korean parenthetical variant) |