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

10_Wiki/Topics_GD/PCGML-Frameworks.md

@@ -1,12 +1,12 @@
 ---
-id: [[P-Reinforce]]-AUTO-PCGML-001
+id: [[P-Reinforce|P-Reinforce]]-AUTO-PCGML-001
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
-tags: [auto-reinforced, pcg, machine-learning, game-dev, [[Generative-AI]]]
+tags: [auto-reinforced, pcg, machine-learning, game-dev, [[Generative-AI|Generative-AI]]]
 last_reinforced: 2026-04-20
 ---
 
-# [[PCGML-Frameworks]]
+# [[PCGML-Frameworks|PCGML-Frameworks]]
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "코딩한 규칙 대신 데이터에서 게임을 배운다: 머신러닝 알고리즘을 활용하여 기존 게임 레벨의 패턴을 학습하고, 무한히 새로운 스테이지를 생성해내는 차세대 콘텐츠 제작 도구."
@@ -17,7 +17,7 @@ PCGML(Procedural Content Generation via Machine Learning) 프레임워크는 명
 1.  **주요 접근법**:
     *   **Generative Adversarial Networks (GANs)**: 가짜 레벨을 만드는 생성자와 이를 판별하는 판별자가 경쟁하며 고품질의 지형 생성 (예: 마리오 레벨 생성).
     *   **Variational Autoencoders (VAEs)**: 게임 레벨을 잠재 공간(Latent Space)으로 압축하여, 특정 속성(난이도, 테마)을 조절하며 새로운 레벨 추출.
-    *   **[[LSTM]]s / [[Transformers]]**: 게임의 흐름(Sequence)을 학습하여 문법적으로 완벽한 레벨 시퀀스 생성.
+    *   **[[LSTM|LSTM]]s / [[Transformers|Transformers]]**: 게임의 흐름(Sequence)을 학습하여 문법적으로 완벽한 레벨 시퀀스 생성.
 2.  **핵심 이점**:
     *   기존 수동 제작 리소스의 스타일을 완벽하게 재현 가능.
     *   개발자가 일일이 규칙을 하드코딩할 필요 없이 샘플 데이터만으로 생성기 구축 가능.
@@ -29,6 +29,6 @@ PCGML(Procedural Content Generation via Machine Learning) 프레임워크는 명
 - **정책 변화(RL Update)**: AI가 생성한 자산의 저작권 및 '자산 도용' 이슈가 불거짐에 따라, 기업 내 PCGML 도입 시 학습 데이터의 투명성 확보와 인간 개발자의 '최종 승인(Human-in-the-loop)' 프로세스를 포함하는 AI 거버넌스가 정책화됨.
 
 ## 🔗 지식 연결 (Graph)
-- **Related**: [[Procedural Content Generation via Machine Learning (PCGML)]], Foundational Models, Neural-Symbolic AI, [[Reinforcement Learning for Automated Playtesting]]
-- **Modern Tech/Tools**: [[Unity]] Sentis, Nvidia Omniverse, Procedural [[Arts]] Frameworks.
+- **Related**: [[Procedural Content Generation via Machine Learning (PCGML)|Procedural Content Generation via Machine Learning (PCGML)]], Foundational Models, Neural-Symbolic AI, [[Reinforcement Learning for Automated Playtesting|Reinforcement Learning for Automated Playtesting]]
+- **Modern Tech/Tools**: [[Unity|Unity]] Sentis, Nvidia Omniverse, Procedural [[Arts|Arts]] Frameworks.
 ---