[G1-Sync] Manual knowledge update

10_Wiki/Topics/PCGML-Frameworks.md

@@ -1,8 +1,8 @@
 ---
-id: P-REINFORCE-AUTO-PCGML-001
+id: [[P-Reinforce]]-AUTO-PCGML-001
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.94
-tags: [auto-reinforced, pcg, machine-learning, game-dev, generative-ai]
+tags: [auto-reinforced, pcg, machine-learning, game-dev, [[Generative-AI]]]
 last_reinforced: 2026-04-20
 ---
 
@@ -17,7 +17,7 @@ PCGML(Procedural Content Generation via Machine Learning) 프레임워크는 명
 1.  **주요 접근법**:
     *   **Generative Adversarial Networks (GANs)**: 가짜 레벨을 만드는 생성자와 이를 판별하는 판별자가 경쟁하며 고품질의 지형 생성 (예: 마리오 레벨 생성).
     *   **Variational Autoencoders (VAEs)**: 게임 레벨을 잠재 공간(Latent Space)으로 압축하여, 특정 속성(난이도, 테마)을 조절하며 새로운 레벨 추출.
-    *   **LSTMs / Transformers**: 게임의 흐름(Sequence)을 학습하여 문법적으로 완벽한 레벨 시퀀스 생성.
+    *   **[[LSTM]]s / [[Transformers]]**: 게임의 흐름(Sequence)을 학습하여 문법적으로 완벽한 레벨 시퀀스 생성.
 2.  **핵심 이점**:
     *   기존 수동 제작 리소스의 스타일을 완벽하게 재현 가능.
     *   개발자가 일일이 규칙을 하드코딩할 필요 없이 샘플 데이터만으로 생성기 구축 가능.
@@ -30,5 +30,5 @@ PCGML(Procedural Content Generation via Machine Learning) 프레임워크는 명
 
 ## 🔗 지식 연결 (Graph)
 - **Related**: [[Procedural Content Generation via Machine Learning (PCGML)]], Foundational Models, Neural-Symbolic AI, [[Reinforcement Learning for Automated Playtesting]]
-- **Modern Tech/Tools**: Unity Sentis, Nvidia Omniverse, Procedural Arts Frameworks.
+- **Modern Tech/Tools**: [[Unity]] Sentis, Nvidia Omniverse, Procedural [[Arts]] Frameworks.
 ---