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

10_Wiki/Topics_GD/Phase-Transitions-in-Learning.md

@@ -2,7 +2,7 @@
 id: AI-PHASE-001
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
-tags: [ai, [[Deep-Learning]], phase-transitions, learning-dynamics, emergent-abilities, grokking]
+tags: [ai, [[Deep-Learning|Deep-Learning]], phase-transitions, learning-dynamics, emergent-abilities, grokking]
 last_reinforced: 2026-04-26
 ---
 
@@ -14,7 +14,7 @@ last_reinforced: 2026-04-26
 ## 📖 구조화된 지식 (Synthesized Content)
 - **추출된 패턴:** "Abrupt Structural and Functional Transformation" — 물리적 상전이(얼음이 물이 되는 것)와 유사하게, 신경망이 무작위적인 상태에서 질서 있는 내부 표상(Representation)을 형성하거나, 특정 규모 이상의 데이터/파라미터에서 '창발적 능력(Emergent Abilities)'을 획득하는 패턴.
 - **주요 현상:**
-    - **Grokking:** 학습 데이터를 다 외운([[Overfitting]]) 이후에도 한참 더 학습시켰을 때, 갑자기 일반화 성능이 급상승하는 현상.
+    - **Grokking:** 학습 데이터를 다 외운([[Overfitting|Overfitting]]) 이후에도 한참 더 학습시켰을 때, 갑자기 일반화 성능이 급상승하는 현상.
     - **Scaling Laws:** 모델 크기나 연산량이 임계치를 넘을 때 추론 능력이 비약적으로 발전.
     - **Double Descent:** 모델 복잡도가 증가함에 따라 테스트 오차가 감소하다 증가하고, 다시 감소하는 현상.
 - **의의:** AI 학습을 단순히 오차를 줄이는 과정이 아닌, 지능이 형성되는 동역학적 '진화'의 과정으로 이해하게 하며, 초거대 모델의 잠재력을 예측하는 지표가 됨.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 새로운 스킬 학습 시, 단순 수렴 지점을 넘어 상전이 현상이 발생하는 '깊은 학습' 구간까지 모니터링하여 최적의 통찰 수준을 확보함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Overfitting-and-Underfitting]], Deep-Learning-Foundations, Emergent-Abilities-in-LLM, [[Optimization-in-AI]]
+- [[Overfitting-and-Underfitting|Overfitting-and-Underfitting]], Deep-Learning-Foundations, Emergent-Abilities-in-LLM, [[Optimization-in-AI|Optimization-in-AI]]
 - **Raw Source:** 10_Wiki/Topics/AI/Phase-Transitions-in-Learning.md