feat: Wiki 지식 자산 업데이트 - UX Scenarios, Frontend, Game Design, Topics 추가 [2026-05-08]

10_Wiki/Topics/AI_and_ML/Parameter-Efficiency-in-LLMs.md

@@ -1,9 +1,18 @@
 ---
-id: LLM-PARAM-EFF-001
-category: Unified
+id: wiki-2026-0508-parameter-efficiency-in-llms
+title: Parameter Efficiency in LLMs
+category: 10_Wiki/Topics
+status: needs_review
+canonical_id: self
+aliases: [LLM-PARAM-EFF-001]
+duplicate_of: none
+source_trust_level: A
 confidence_score: 1.0
-tags: [ai, llm, peft, lora, [[Parameter|Parameter]]-[[Efficiency|Efficiency]], [[Fine-tuning|Fine-tuning]], [[Optimization|Optimization]]]
+tags: [ai, llm, peft, lora, Parameter-Efficiency, Fine-tuning, Optimization]
+raw_sources: []
 last_reinforced: 2026-04-26
+github_commit: pending
+inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
 ---
 
 # Parameter Efficiency in LLMs (LLM에서의 파라미터 효율성)
@@ -19,10 +28,36 @@ last_reinforced: 2026-04-26
     - **Prefix/Prompt Tuning:** 입력값에 특수한 임베딩을 추가하여 모델의 출력을 제어.
 - **의의:** 고가의 GPU 클러스터 없이도 중소기업이나 개인이 자신의 데이터에 특화된 고성능 LLM을 구축할 수 있게 하여, AI의 실용적 커스터마이징 시대를 열었음.
 
-## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
+## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
 - **과거 데이터와의 충돌:** 파라미터를 적게 학습시키면 성능이 떨어질 것이라는 우려와 달리, 특정 도메인 최적화에서는 오히려 전체 미세 조정보다 과적합이 적고 안정적인 성능을 내는 경우가 많다는 것이 입증됨.
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 특정 도메인(의료, 법률, 코딩 등) 전문성 강화 시, 전체 모델 재학습 대신 LoRA 기반의 파라미터 효율적 학습 방식을 표준으로 사용함.
 
 ## 🔗 지식 연결 (Graph)
 - [[Low-Rank-Adaptation-LoRA|Low-Rank-Adaptation-LoRA]], Transfer-Learning-Foundations, [[Natural-Language-Processing|Natural-Language-[[Processing]]-NLP]], [[Hardware-Acceleration-for-AI|Hardware-Acceleration-for-AI]]
 - **Raw Source:** 10_Wiki/Topics/AI/Parameter-Efficiency-in-LLMs.md
+
+## 🤖 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 |