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

10_Wiki/Topics_GD/RAG (검색 증강 생성).md

@@ -1,12 +1,12 @@
 ---
-id: [[P-Reinforce]]-AUTO-RAG-001
+id: [[P-Reinforce|P-Reinforce]]-AUTO-RAG-001
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
 tags: [auto-reinforced, llm, rag, information-retrieval, ai-accuracy]
 last_reinforced: 2026-04-20
 ---
 
-# [[RAG (검색 증강 생성)]]
+# [[RAG (검색 증강 생성)|RAG (검색 증강 생성)]]
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "오픈 북 시험을 치는 AI: 모든 정보를 다 외우게 시키는 대신, 질문을 받으면 관련된 문서를 실시간으로 찾아 읽고 답변하게 하여 할루시네이션(환각)을 획기적으로 줄이는 기술."
@@ -19,7 +19,7 @@ RAG(Retrieval-Augmented Generation)는 사전에 학습된 언어 모델(LLM)에
     *   **Augmentation (증강)**: 추출된 문서를 질문과 섞어서 LLM에게 '참고할 배경 지식'으로 제공.
     *   **Generation (생성)**: LLM이 제공된 정보를 바탕으로 근거 있는 답변 생성.
 2.  **핵심 이점**:
-    *   **최신성 확보**: 모델을 다시 학습([[Fine-tuning]])시키지 않고도 어제 일어난 뉴스나 사내 최신 문서를 기반으로 답변 가능.
+    *   **최신성 확보**: 모델을 다시 학습([[Fine-tuning|Fine-tuning]])시키지 않고도 어제 일어난 뉴스나 사내 최신 문서를 기반으로 답변 가능.
     *   **환각 증상 감소**: "내가 아는 바에 따르면"이 아니라 "제시된 문서에 따르면" 답변하므로 오류가 눈에 띄게 줄어듦.
     *   **출처 제시**: 답변의 근거가 된 문서 링크나 인용구를 함께 제공하여 신뢰성 확보.
 3.  **한계점**:
@@ -30,6 +30,6 @@ RAG(Retrieval-Augmented Generation)는 사전에 학습된 언어 모델(LLM)에
 - **정책 변화(RL Update)**: 민감한 사내 문서가 RAG 과정에서 외부망(Public LLM API)으로 유출될 위험이 제기됨에 따라, '로컬 벡터 스토어'와 '격리된 LLM 연계'를 강제하는 엔터프라이즈 AI 보안 정책이 강화됨.
 
 ## 🔗 지식 연결 (Graph)
-- Foundational Models, [[SFT (Supervised Fine-Tuning)]], Vector Semantics, Information Extraction (IE), Semantic Grounding  Provenance
-- **Modern Tech/Tools**: Pinecone, Milvus, [[LlamaIndex]], LangChain.
+- Foundational Models, [[SFT (Supervised Fine-Tuning)|SFT (Supervised Fine-Tuning)]], Vector Semantics, Information Extraction (IE), Semantic Grounding  Provenance
+- **Modern Tech/Tools**: Pinecone, Milvus, [[LlamaIndex|LlamaIndex]], LangChain.
 ---