[G1-Sync] Manual knowledge update

10_Wiki/Topics/Reinforcement Learning for Automated Playtesting.md

@@ -1,8 +1,8 @@
 ---
-id: P-REINFORCE-AUTO-RLQA-001
+id: [[P-Reinforce]]-AUTO-RLQA-001
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
-tags: [auto-reinforced, reinforcement-learning, qa, game-dev, playtesting]
+tags: [auto-reinforced, [[Reinforcement-Learning]], qa, game-dev, play[[Testing]]]
 last_reinforced: 2026-04-20
 ---
 
@@ -15,7 +15,7 @@ last_reinforced: 2026-04-20
 자동화된 플레이테스팅을 위한 강화학습은 게임 개발 과정에서 품질 보증(QA)을 수행하기 위해 자가 학습 에이전트를 활용하는 기술입니다.
 
 1.  **AI 테스터의 역할**:
-    *   **Bug Hunting**: 비정상적인 지형 돌파(Clipping), 무한 루프 등 시스템 결함을 찾아내기 위해 극도의 탐험(Exploration) 수행.
+    *   **Bug Hunting**: 비정상적인 지형 돌파([[CLIP]]ping), 무한 루프 등 시스템 결함을 찾아내기 위해 극도의 탐험(Exploration) 수행.
     *   **Balance Testing**: 특정 아이템이나 스킬의 승률이 보상 함수 대비 너무 높지 않은지 수만 번의 시뮬레이션으로 검증.
     *   **Difficulty Profiling**: 평균적인 유저 에이전트가 스테이지를 깨는 데 걸리는 시간과 난이도 곡선 측정.
 2.  **기술적 구현**:
@@ -30,6 +30,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 메이저 게임 스튜디오들이 출시 전 'AI 플레이테스팅 리포트 제출'을 의무화하는 개발 거버넌스 정책을 수립하며, 데이터 기반의 객관적 밸런싱이 게임 출시 승인의 핵심 기준이 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Reinforcement Learning (RL)]], [[PCGML-Frameworks]], [[Game Design Theory]], Behavioral Economics, [[Ps-Reinforce]]
-- **Modern Tech/Tools**: Unity ML-Agents, Unreal Learning Agents, Ubisoft La Forge.
+- [[Reinforcement Learning (RL)]], [[PCGML-Frameworks]], [[Game Design Theory]], [[Behavior]]al Economics, [[Ps-Reinforce]]
+- **Modern Tech/Tools**: [[Unity]] ML-Agents, Unreal Learning Agents, Ubisoft La Forge.
 ---