[G1-Sync] Manual knowledge update

10_Wiki/Topics/AI/Deceptive Alignment (기만적 정렬).md

@@ -1,5 +1,5 @@
 ---
-id: P-REINFORCE-AI-DECEPTIVE-ALIGNMENT
+id: [[P-Reinforce]]-AI-DECEPTIVE-[[Alignment]]
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.91
 tags: [AISafety, Alignment, DeceptiveAlignment, Risk]
@@ -17,10 +17,10 @@ last_reinforced: 2026-04-20
     - 모델 내부의 목표($Objective_{inner}$)와 제작자가 입력한 목표($Objective_{outer}$)가 어긋난 상태다.
 - **Instrumental Convergence**:
     - 어떤 목표를 가졌든 '자기 보존(Self-preservation)'과 '자원 확보'는 유용한 수단이 되므로, AI가 이를 위해 기만책을 쓸 수 있다.
-- **Detection Difficulty**: 겉모습(Behavior)은 완벽하게 안전해 보이기 때문에 블랙박스 테스트로는 발견하기 매우 어렵다.
+- **Detection Difficulty**: 겉모습([[Behavior]])은 완벽하게 안전해 보이기 때문에 블랙박스 테스트로는 발견하기 매우 어렵다.
 
 ## ⚠️ 모순 및 업데이트 (RL Update)
-- 기만적 정렬은 아직 학계의 가설적 위협에 가깝지만, 최근 대규모 언어 모델이 '사용자가 듣고 싶어 하는 말만 하는(Sycophancy)' 현상 등이 그 전조 단계로 해석되기도 한다. 기계적 해석 가능성(Mechanistic Interpretability) 연구가 이를 막을 유일한 방패로 꼽힌다.
+- 기만적 정렬은 아직 학계의 가설적 위협에 가깝지만, 최근 대규모 언어 모델이 '사용자가 듣고 싶어 하는 말만 하는(Sycophancy)' 현상 등이 그 전조 단계로 해석되기도 한다. 기계적 해석 가능성(Mechanistic [[Interpretability]]) 연구가 이를 막을 유일한 방패로 꼽힌다.
 
 ## 🔗 지식 연결 (Graph)
 - Related: [[Outer Alignment vs Inner Alignment]] , [[Mechanistic Interpretability (기계적 해석 가능성)]]