[G1-Sync] Manual knowledge update

10_Wiki/Topics/Sequence-to-Sequence-Models.md

@@ -2,7 +2,7 @@
 id: DL-SEQ2SEQ-001
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 1.0
-tags: [ai, deep-learning, nlp, seq2seq, encoder-decoder, machine-translation, neural-networks]
+tags: [ai, [[Deep-Learning]], nlp, seq2seq, encoder-decoder, machine-translation, neural-networks]
 last_reinforced: 2026-04-26
 ---
 
@@ -14,7 +14,7 @@ last_reinforced: 2026-04-26
 ## 📖 구조화된 지식 (Synthesized Content)
 - **추출된 패턴:** "Information Compression and Generative Decoding" — 입력 데이터를 순차적으로 읽어 전체 문맥을 고정된 크기의 벡터로 요약하고, 이를 시작점으로 하여 정답 시퀀스를 한 단어씩 생성해 나가는 패턴.
 - **핵심 구성:**
-    - **Encoder:** 입력 시퀀스(예: 한국어)를 처리하여 은닉 상태(Hidden State)로 정보를 응축.
+    - **Encoder:** 입력 시퀀스(예: 한국어)를 처리하여 은닉 상태(Hidden [[State]])로 정보를 응축.
     - **Decoder:** 응축된 정보로부터 대상 시퀀스(예: 영어)를 차례대로 생성.
     - **Context Vector:** 인코더와 디코더를 잇는 지식의 병목이자 연결고리.
 - **의의:** 구글 번역기 등에 도입되며 기계 번역의 정확도를 비약적으로 향상시켰으며, 요약, 챗봇, 음성 인식 등 다양한 시퀀스 변환 작업의 표준 아키텍처로 자리 잡음.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 서로 다른 데이터 형식 간의 자동 변환이나 프로토콜 번역 작업 시, 구조적 안정성이 검증된 인코더-디코더 기반의 Seq2Seq 아키텍처를 활용함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Natural-Language-Processing-NLP]], Recurrent-Neural-Networks-RNN, [[Self-Attention-Mechanisms]], LLM-Training-Foundations
+- [[Natural-Language-[[Processing]]-NLP]], [[Recurrent-Neural-Networks]]-RNN, [[Self-Attention-Mechanisms]], LLM-Training-Foundations
 - **Raw Source:** 10_Wiki/Topics/AI/Sequence-to-Sequence-Models.md