docs: finalized wiki integrity maintenance (v3.0 standard) - pruned 1400+ stubs and fixed 11k+ ghost links

10_Wiki/Topics/AI/Best-of-N Sampling ( ø).md

@@ -1,12 +1,12 @@
 ---
-id: [[P-Reinforce]]-AI-BESTN
+id: [[P-Reinforce|P-Reinforce]]-AI-BESTN
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
-tags: [LLM, Sampling, Best-of-N, [[Search]], Generation]
+tags: [LLM, Sampling, Best-of-N, [[Search|Search]], Generation]
 last_reinforced: 2026-04-20
 ---
 
-# [[Best-of-N-Sampling]] (베스트 오브 N 샘플링)
+# [[Best-of-N-Sampling|Best-of-N-Sampling]] (베스트 오브 N 샘플링)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "열 번 찍어 안 넘어가는 나무 없다." AI에게 N번 시도하게 하고, 그중 가장 '정답에 가까운' 결과물을 보상 모델(Reward Model)로 골라내는 필승 전략이다.
@@ -20,8 +20,8 @@ last_reinforced: 2026-04-20
     - 수학 문제라면 답변들 중 가장 많이 나온 값(Majority Vote)을 택하고, 창의적 답변이라면 RM 스코어가 가장 높은 것을 택한다.
 
 ## ⚠️ 모순 및 업데이트 (RL Update)
-- N이 클수록 품질은 올라가지만 비용과 응답 지연 시간(Latency)이 기하급수적으로 늘어난다. 실시간 서비스에서는 N=3~5 수준의 타협점이 요구되며, 최근에는 자가 수정([[Self-Correction]]) 능력을 키우는 쪽으로 연구가 이동 중이다.
+- N이 클수록 품질은 올라가지만 비용과 응답 지연 시간(Latency)이 기하급수적으로 늘어난다. 실시간 서비스에서는 N=3~5 수준의 타협점이 요구되며, 최근에는 자가 수정(Self-Correction) 능력을 키우는 쪽으로 연구가 이동 중이다.
 
 ## 🔗 지식 연결 (Graph)
 - Related: Reinforcement Learning , AI 모델 평가
-- Context: [[Information Theory]]
+- Context: [[Information Theory|Information Theory]]