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

10_Wiki/Topics_GD/Contrastive-Learning.md

@@ -2,7 +2,7 @@
 id: CONTRAST-LEARN-001
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
-tags: [ai, [[Deep-Learning]], [[Self-Supervised-Learning]], contrastive-learning, [[Representation-Learning]]]
+tags: [ai, [[Deep-Learning|Deep-Learning]], [[Self-Supervised-Learning|Self-Supervised-Learning]], contrastive-learning, [[Representation-Learning|Representation-Learning]]]
 last_reinforced: 2026-04-26
 ---
 
@@ -18,12 +18,12 @@ last_reinforced: 2026-04-26
     - **Encoder:** 데이터를 고차원 벡터로 변환.
     - **Projection Head:** 학습 효율을 높이기 위해 벡터를 다시 압축.
     - **Contrastive Loss (예: InfoNCE):** 긍정 쌍의 거리는 좁히고 부정 쌍의 거리는 넓히는 손실 함수.
-- **의의:** 대규모 라벨링 비용 없이도 고성능 특징 추출기를 만들 수 있어, [[CLIP]]이나 SimCLR 등 최신 모델들의 핵심 기술로 사용됨.
+- **의의:** 대규모 라벨링 비용 없이도 고성능 특징 추출기를 만들 수 있어, [[CLIP|CLIP]]이나 SimCLR 등 최신 모델들의 핵심 기술로 사용됨.
 
 ## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
 - **과거 데이터와의 충돌:** 정답지가 반드시 필요했던 지도 학습의 한계를 넘어, 원시 데이터 자체의 구조만으로도 지능을 구축할 수 있는 길을 염.
 - **정책 변화:** Antigravity 프로젝트는 위키 문서 간의 의미적 거리를 계산하거나 중복 문서를 탐지할 때 대조 학습 기반의 텍스트 임베딩 모델을 적극 활용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Representation-Learning]], [[Self-Supervised-Learning]], [[CLIP]], Un[[Supervised-Learning-Foundations]]
+- [[Representation-Learning|Representation-Learning]], [[Self-Supervised-Learning|Self-Supervised-Learning]], [[CLIP|CLIP]], Un[[Supervised-Learning-Foundations|Supervised-Learning-Foundations]]
 - **Raw Source:** 10_Wiki/Topics/AI/Contrastive-Learning.md