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

10_Wiki/Topics_GD/Manhattan-Distance.md

@@ -16,7 +16,7 @@ last_reinforced: 2026-04-26
 - **수식:** $d(x, y) = \sum_{i=1}^n |x_i - y_i|$
 - **주요 특징:**
     - **L1 Norm:** 벡터의 성질을 측정하는 중요한 수학적 도구.
-    - **[[Robustness]]:** 제곱 연산이 포함되지 않아 값이 큰 이상치에 대해 유클리드 거리보다 상대적으로 덜 민감함.
+    - **[[Robustness|Robustness]]:** 제곱 연산이 포함되지 않아 값이 큰 이상치에 대해 유클리드 거리보다 상대적으로 덜 민감함.
     - **High-dimensional Data:** 차원이 매우 높아질 때 데이터 간의 변별력을 유지하는 데 유리한 경우가 많음.
 - **의의:** K-NN 알고리즘, 이미지 처리, 경로 탐색, 그리고 L1 정규화(Lasso)의 수학적 근간이 됨.
 
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 지식의 희소 특징(Sparse Features)을 비교하거나 특정 수치 데이터의 분포 차이를 엄격하게 측정할 때 맨해튼 거리 기반의 메트릭을 병행 사용함.
 
 ## 🔗 지식 연결 (Graph)
-- Distance-Metrics-in-AI, [[L1-and-L2-Regularization]], [[K-Nearest-Neighbors-K-NN]], [[Search]]-Algorithms
+- Distance-Metrics-in-AI, [[L1-and-L2-Regularization|L1-and-L2-Regularization]], [[K-Nearest-Neighbors-K-NN|K-Nearest-Neighbors-K-NN]], [[Search|Search]]-Algorithms
 - **Raw Source:** 10_Wiki/Topics/AI/Manhattan-Distance.md