[G1-Sync] Manual knowledge update

10_Wiki/Topics/Sequence-Modeling.md

@@ -1,8 +1,8 @@
 ---
-id: P-REINFORCE-AUTO-SEMO-001
+id: [[P-Reinforce]]-AUTO-SEMO-001
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.96
-tags: [auto-reinforced, sequence-modeling, rnn, lstm, transformer, time-series, context]
+tags: [auto-reinforced, sequence-modeling, rnn, [[LSTM]], transformer, time-series, context]
 last_reinforced: 2026-04-20
 ---
 
@@ -15,7 +15,7 @@ last_reinforced: 2026-04-20
 시퀀스 모델링(Sequence-Modeling)은 순차적인 데이터를 입력받아 숨겨진 패턴을 학습하고 예측하는 작업입니다.
 
 1.  **기술적 진화**:
-    *   **RNN/LSTM**: 순서대로 하나씩 처리하며 기억(Hidden state)을 넘김. (장기 기억 실종 문제 발생). (RNN와 연결)
+    *   **RNN/LSTM**: 순서대로 하나씩 처리하며 기억(Hidden [[State]])을 넘김. (장기 기억 실종 문제 발생). (RNN와 연결)
     *   **Transformer**: 모든 요소를 동시에 보면서 어텐션(Attention)으로 중요한 관계를 직접 연결. (현대 LLM의 표준).
 2.  **적용 분야**:
     *   자연어 처리 (번역, 요약), 음성 인식, 시계열 예측 (주가, 날씨).
@@ -23,7 +23,7 @@ last_reinforced: 2026-04-20
     *   우리가 사는 세상의 거의 모든 유의미한 정보는 순서(Sequence)를 가지고 있으며, 이 맥락을 이해하는 능력이 곧 '지능'의 척도이기 때문임.
 
 ## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
-- **과거 데이터와의 충돌**: 과거에는 순차적으로 처리해야 한다는 '물리적 순서 정책(Sequential)'에 집착했으나, 현대 정책은 순서를 위치 인코딩(Positional Encoding)으로 치환해 병렬로 때려 넣는 '병렬적 맥락 처리 정책'으로 패러다임이 전환됨(RL Update). (Parallel-Processing와 연결)
+- **과거 데이터와의 충돌**: 과거에는 순차적으로 처리해야 한다는 '물리적 순서 정책(Sequential)'에 집착했으나, 현대 정책은 순서를 위치 인코딩(Positional Encoding)으로 치환해 병렬로 때려 넣는 '병렬적 맥락 처리 정책'으로 패러다임이 전환됨(RL Update). ([[Parallel-Processing]]와 연결)
 - **정책 변화(RL Update)**: 이제는 텍스트를 넘어 유전체 서열(DNA)이나 로봇의 관절 움직임 정책까지 시퀀스로 모델링하여 생명과 물리 법칙 정책을 학습하는 단계에 도달함.
 
 ## 🔗 지식 연결 (Graph)