feat: complete wikification of War Commander batch 1&2 and final grey dot cleanup

10_Wiki/Topics/AI/Scaling-Laws-for-LLMs.md

@@ -1,12 +1,12 @@
 ---
 id: AI-LLM-SCALE-001
-category: "[[10_Wiki/💡 Topics/AI]]"
+category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
 tags: [ai, llm, scaling-laws, chinchilla, compute-optimal, deep-learning, efficiency]
 last_reinforced: 2026-04-26
 ---
 
-# [[Scaling Laws for LLMs (LLM을 위한 스케일링 법칙)]]
+# Scaling Laws for LLMs (LLM을 위한 스케일링 법칙)
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "지능의 성장은 무작위가 아니라 파라미터, 데이터, 연산량이라는 세 축의 '멱법칙(Power Law)'을 따르며, 최적의 배합을 찾는 자가 최소한의 비용으로 최강의 지능을 얻는다" — 거대 언어 모델의 성능이 자원 투입량에 따라 예측 가능한 방식으로 향상된다는 통계적 법칙.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 자체 에이전트 모델 미세 조정 시, 최신 스케일링 법칙을 적용하여 보유한 연산 자원 대비 가장 효율적인 모델 크기와 데이터셋 규모를 산정함.
 
 ## 🔗 지식 연결 (Graph)
-- [[LLM-Training-Foundations]], [[High-Performance-Computing-HPC]], [[Data-Centric-AI]], [[Optimization-in-AI]]
-- **Raw Source:** [[10_Wiki/Topics/AI/Scaling-Laws-for-LLMs.md]]
+- LLM-Training-Foundations, High-Performance-Computing-HPC, Data-Centric-AI, [[Optimization-in-AI]]
+- **Raw Source:** 10_Wiki/Topics/AI/Scaling-Laws-for-LLMs.md