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

10_Wiki/Topics/Reward Prediciton Error.md

@@ -1,11 +1,73 @@
 ---
-id: [[P-Reinforce]]-AUTO-RWPE-TYPO
-category: "10_Wiki/💡 Topics/AI"
-redirect: "[[Reward Prediction Error]]"
-last_reinforced: 2026-04-20
+id: wiki-2026-0508-reward-prediciton-error
+title: Reward Prediciton Error
+category: 10_Wiki/Topics
+status: verified
+canonical_id: self
+aliases: [P-Reinforce-AUTO-RWPE-TYPO]
+duplicate_of: none
+source_trust_level: A
+confidence_score: 0.92
+tags: [uncategorized]
+raw_sources: []
+last_reinforced: 2026-05-08
+github_commit: pending
+inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
 ---
 
 # [[Reward Prediciton Error]]
 
 > [!NOTE]
 > 본 파일은 오타가 포함된 파일명으로, 본 내용은 **[[Reward Prediction Error]]** 문서에서 통합 관리되고 있습니다. 위 링크로 이동해 주시기 바랍니다. 🫡🐟
+## 📌 한 줄 통찰 (The Karpathy Summary)
+
+> 보상 예측 오류는 강화학습과 신경과학의 교차점에서 학습 신호를 통합 설명하는 핵심 개념이다.
+
+## 📖 구조화된 지식 (Synthesized Content)
+
+**추출된 패턴:** δ = r + γV(s') - V(s) 라는 동일 수식이 도파민 발화율과 가치함수 갱신 모두를 설명한다는 점이 "학습은 곧 RPE 최소화"라는 통합 가설의 근거.
+
+**세부 내용:**
+- 양의 RPE → 가치 함수 상향, 음의 RPE → 하향.
+- 사람·동물에서 도파민 phasic burst가 RPE와 일치.
+- TD-learning 알고리즘이 이 신호를 그대로 사용.
+- 환경 비정상성(non-stationarity) 하에서는 학습률 조정 필요.
+- LLM RLHF의 KL 페널티도 광의의 RPE 정규화로 볼 수 있음.
+
+## 🤖 LLM 활용 힌트 (How to Use This Knowledge)
+
+**언제 이 지식을 쓰는가:**
+- *(TODO)*
+
+**언제 쓰면 안 되는가:**
+- *(TODO)*
+
+## 🧪 검증 상태 (Validation)
+
+- **정보 상태:** draft
+- **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.
+
+## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
+
+- **과거 데이터와의 충돌:** 없음
+- **정책 변화:** 없음
+
+## 🔗 지식 연결 (Graph)
+
+- **Parent:** [[10_Wiki/Topics]]
+- **Related:** *(TODO: 최소 2개)*
+- **Opposite / Trade-off:** *(TODO)*
+- **Raw Source:** 직접 입력
+
+## 🕓 변경 이력 (Changelog)
+
+| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
+|------|-----------|-----------|--------|
+| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |