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

10_Wiki/Topics_GD/Actor-Critic-Models.md

@@ -1,12 +1,12 @@
 ---
-id: [[P-Reinforce]]-AUTO-ACMO-001
+id: [[P-Reinforce|P-Reinforce]]-AUTO-ACMO-001
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
-tags: [auto-reinforced, [[Reinforcement-Learning]], actor-critic, [[Deep-Learning]], machine-learning-[[Architecture]]]
+tags: [auto-reinforced, [[Reinforcement-Learning|Reinforcement-Learning]], actor-critic, [[Deep-Learning|Deep-Learning]], machine-learning-[[Architecture|Architecture]]]
 last_reinforced: 2026-04-20
 ---
 
-# [[Actor-Critic-Models]]
+# [[Actor-Critic-Models|Actor-Critic-Models]]
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "배우와 비평가의 이인삼조: 직접 행동하며 점수를 따는 '배우(Actor)'와, 그 행동의 가치를 냉정하게 평가하여 배우의 실력을 키워주는 '비평가(Critic)'가 결합된 가장 강력한 강화학습 구조."
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 거대 언어 모델의 RLHF 과정에서, 보상 모델(RM)이 비평가 역할을 수용하여 모델의 답변 품질을 정밀하게 교정하는 '언어 지능용 액터-크리틱 정책'이 생성 AI 품질의 핵심 지표로 자리 잡음.
 
 ## 🔗 지식 연결 (Graph)
-- [[Reinforcement Learning (RL)]], [[RLHF (인간 피드백 기반 강화 학습)]], [[Reward Prediction Error]], [[Decision Theory]], [[Robotics]]
-- **Modern Tech/Tools**: PPO (Proximal Policy [[Optimization]]), Soft Actor-Critic (SAC), Stable Baselines3.
+- [[Reinforcement Learning (RL)|Reinforcement Learning (RL)]], [[RLHF (인간 피드백 기반 강화 학습)|RLHF (인간 피드백 기반 강화 학습)]], [[Reward Prediction Error|Reward Prediction Error]], [[Decision Theory|Decision Theory]], [[Robotics|Robotics]]
+- **Modern Tech/Tools**: PPO (Proximal Policy [[Optimization|Optimization]]), Soft Actor-Critic (SAC), Stable Baselines3.
 ---