[G1-Sync] Manual knowledge update

10_Wiki/Topics/Model-Ensemble-Methods.md

@@ -20,9 +20,9 @@ last_reinforced: 2026-04-26
 - **의의:** 캐글(Kaggle) 등 데이터 경진대회와 실무에서 가장 높은 성능을 내기 위해 반드시 사용되는 '성능의 마침표'와 같은 기술.
 
 ## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
-- **과거 데이터와의 충돌:** 모델이 많을수록 좋다는 믿음에서 벗어나, 모델 간의 다양성(Diversity)이 확보되지 않으면 오히려 과적합(Overfitting)만 심화될 수 있다는 경계심이 실무적인 교훈으로 자리 잡음.
+- **과거 데이터와의 충돌:** 모델이 많을수록 좋다는 믿음에서 벗어나, 모델 간의 다양성(Diversity)이 확보되지 않으면 오히려 과적합([[Overfitting]])만 심화될 수 있다는 경계심이 실무적인 교훈으로 자리 잡음.
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 중요 의사결정(지식 삭제 여부 등) 시, 서로 다른 아키텍처를 가진 3개 이상의 모델 응답을 앙상블하여 최종 결정을 내리는 '합의 알고리즘'을 적용함.
 
 ## 🔗 지식 연결 (Graph)
-- Decision-Trees-and-Random-Forests, [[Supervised-Learning-Foundations]], Gradient-Descent-Foundations, [[Hyperparameter-Optimization]]
-- **Raw Source:** 10_Wiki/Topics/AI/Model-Ensemble-Methods.md
+- Decision-Trees-and-Random-Forests, [[Supervised-Learning-Foundations]], [[Gradient-Descent]]-Foundations, [[Hyper[[Parameter]]-Optimization]]
+- **Raw Source:** 10_Wiki/Topics/AI/Model-[[Ensemble-Methods]].md