[G1-Sync] Manual knowledge update

10_Wiki/Topics/Model-Compression.md

@@ -1,8 +1,8 @@
 ---
-id: P-REINFORCE-AI-MC
+id: [[P-Reinforce]]-AI-MC
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
-tags: [AI, ModelCompression, Optimization, Efficiency]
+tags: [AI, ModelCompression, [[Optimization]], [[Efficiency]]]
 last_reinforced: 2026-04-20
 ---
 
@@ -14,8 +14,8 @@ last_reinforced: 2026-04-20
 ## 📖 구조화된 지식 (Synthesized Content)
 - **The Core Techniques**:
     - **Pruning (가지치기)**: 성능에 지장 없는 중요도 낮은 가중치(뉴런)를 0으로 만들어 제거.
-    - **Quantization (양자화)**: 32비트 실수를 8비트 정수로 변환하여 연산량과 메모리 획기적 절감.
-    - **Knowledge Distillation (지식 증류)**: 큰 모델(Teacher)의 지식을 작은 모델(Student)이 효율적으로 흡수하게 함.
+    - **[[Quantization]] (양자화)**: 32비트 실수를 8비트 정수로 변환하여 연산량과 메모리 획기적 절감.
+    - **Knowledge [[Distillation]] (지식 증류)**: 큰 모델(Teacher)의 지식을 작은 모델(Student)이 효율적으로 흡수하게 함.
     - **Weight Sharing**: 공통된 가중치 값을 공유하여 숫자의 가짓수를 줄임.
 - **Benefit**: 배터리 소모 감소, 실시간 반응성 확보, 개인정보 보호(On-device AI).
 
@@ -24,4 +24,4 @@ last_reinforced: 2026-04-20
 
 ## 🔗 지식 연결 (Graph)
 - Related: [[Knowledge-Distillation]] , Low-Rank Adaptation (LoRA)
-- Hardware: Edge-AI
+- [[Hardware]]: Edge-AI