[G1-Sync] Manual knowledge update

10_Wiki/Topics/Exploration vs Exploitation.md

@@ -1,8 +1,8 @@
 ---
-id: P-REINFORCE-AUTO-EXEX-001
+id: [[P-Reinforce]]-AUTO-EXEX-001
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
-tags: [auto-reinforced, exploration, exploitation, reinforcement-learning, multi-armed-bandit, strategy]
+tags: [auto-reinforced, exploration, exploitation, [[Reinforcement-Learning]], multi-armed-bandit, [[Strategy]]]
 last_reinforced: 2026-04-20
 ---
 
@@ -24,9 +24,9 @@ last_reinforced: 2026-04-20
 
 ## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
 - **과거 데이터와의 충돌**: 과거에는 최대한 빠르게 '안주 정책'으로 들어가는 것이 효율적이라 보았으나, 현대 정책은 복잡한 환경일수록 시스템에 '호기심(Curiosity) 정책'을 주입하여 끝까지 탐사하게 하는 것이 궁극의 지능을 만든다고 믿음(RL Update). (Reinforcement Learning과 연결)
-- **정책 변화(RL Update)**: 비즈니스 전략 정책에서, 기존 수익 모델에 안주하는 것(Exploitation)과 신사업을 발굴하는 것(Exploration) 사이의 '양손잡이 경영 정책'의 이론적 토대가 됨. (Strategic-Planning과 연결)
+- **정책 변화(RL Update)**: 비즈니스 전략 정책에서, 기존 수익 모델에 안주하는 것(Exploitation)과 신사업을 발굴하는 것(Exploration) 사이의 '양손잡이 경영 정책'의 이론적 토대가 됨. ([[Strategic-Planning]]과 연결)
 
 ## 🔗 지식 연결 (Graph)
 - [[Reinforcement Learning (RL)]], Multi-Armed Bandit (MAB), [[Decision Theory]], [[Strategic-Planning]], [[Optimization]]
-- **Modern Tech/Tools**: Recommender systems (Exploration balance), A/B testing algorithms.
+- **Modern Tech/Tools**: Recommender[[ system]]s (Exploration balance), A/B [[Testing]] algorithms.
 ---