[G1-Sync] Manual knowledge update

10_Wiki/Topics/AI/Dynamic Few-Shot (동적 퓨샷 선택 전략).md

@@ -2,7 +2,7 @@
 id: DFS-001
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
-tags: [ai-inference, prompt-engineering, llm, in-context-learning]
+tags: [ai-inference, [[Prompt-Engineering]], llm, [[In-Context-Learning]]]
 last_reinforced: 2026-04-26
 ---
 
@@ -14,10 +14,10 @@ last_reinforced: 2026-04-26
 ## 📖 구조화된 지식 (Synthesized Content)
 - **추출된 패턴:** 대규모 예제 저장소(Example Pool)에서 현재 질문(Query)과 의미적으로 가장 가까운 N개의 예시를 찾아 프롬프트의 컨텍스트로 제공함으로써 모델의 성능을 최적화하는 패턴.
 - **세부 내용:**
-    - **Vector Semantic Search:** 사용자 입력을 임베딩하여 벡터 DB에서 가장 유사한 예제들을 검색.
+    - **Vector Semantic [[Search]]:** 사용자 입력을 임베딩하여 벡터 DB에서 가장 유사한 예제들을 검색.
     - **Diversity Selection:** 유사도만 따지지 않고, 다양한 각도의 예시를 섞어 모델의 편향을 방지하는 전략.
-    - **Token Efficiency:** 전체 예제를 넣는 대신 꼭 필요한 예제만 골라 넣어 토큰 소모량을 절감하고 성능은 유지.
-    - **Context Window Management:** 모델의 컨텍스트 제한 내에서 최적의 예제 개수와 순서를 결정.
+    - **Token [[Efficiency]]:** 전체 예제를 넣는 대신 꼭 필요한 예제만 골라 넣어 토큰 소모량을 절감하고 성능은 유지.
+    - **Context Window [[Management]]:** 모델의 컨텍스트 제한 내에서 최적의 예제 개수와 순서를 결정.
 
 ## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
 - **과거 데이터와의 충돌:** 초기 퓨샷 기법은 하드코딩된 예시를 사용했으나, 입력값의 도메인이 다양해짐에 따라 입력 맞춤형 예제 제공이 필수적이 됨.