From eb6049e1951a2bf21bb5f8f6935a19865582b450 Mon Sep 17 00:00:00 2001 From: =?UTF-8?q?=ED=95=9C=EC=98=88=EC=84=B1?= Date: Mon, 20 Apr 2026 23:04:33 +0900 Subject: [PATCH] Cleanup: remove unnecessary files --- .DS_Store | Bin 0 -> 10244 bytes AI & Biology/Artificial Life (ALife).md | 25 - AI & Ethics/Algorithmic Bias in Art.md | 25 - AI & Ethics/Algorithmic Decision Making.md | 25 - .../Artificial-Intelligence-Explainability.md | 25 - AI & Games/AlphaZero Strategy.md | 25 - ...Drift (개념 드리프트, 모델 지식의 부패).md | 32 - AI & Narrative/AI-Driven Narrative Systems.md | 25 - AI & Psychology/Affective Computing.md | 25 - AI & Tools/AI Connect LLM Tool.md | 39 - AI/20k skinned instances demo.md | 39 - AI/AI Safety (AI 안전).md | 27 - AI/AI 거버넌스 정책(AI Usage Policy).md | 27 - AI/AI 생성 코드 검증(AI Code Assurance).md | 39 - AI/AI 에이전트 (AI Agent).md | 27 - ...드 리뷰 및 보안 취약점 점검(DevSecOps).md | 40 - AI/AI 코드 리뷰.md | 33 - ...열 맡기기_ - 정적 분석 툴 (ESLint Prettier)).md | 44 - ... 모델링 및 상태 머신(State Machine) 설계.md | 40 - AI/A_B-Testing-Platforms.md | 27 - AI/Accessibility-Compliance-Audit.md | 27 - AI/Adaptive Compute (적응형 계산량 조절).md | 27 - AI/Advanced-Interface-Design.md | 27 - AI/Adversarial Code Stylometry.md | 34 - AI/Algorithmic-Biology.md | 27 - AI/Algorithmic-Game-Theory.md | 27 - AI/Ambient-Declarations.md | 27 - AI/Amdahls Law (암달의 법칙).md | 27 - AI/Artificial-Intelligence-in-Games.md | 27 - AI/Artificial-Intelligence.md | 27 - ...sm Spectrum Disorder (ASD) Intervention.md | 27 - AI/Automated-Game-Testing.md | 27 - AI/Automated-Map-Generation.md | 28 - AI/Automated-Reasoning.md | 27 - AI/Automated-Refactoring-Tools.md | 27 - AI/Automated-Security-Audits.md | 27 - AI/Automated-Theorem-Proving.md | 27 - AI/Automated_Mapping.md | 29 - AI/Autonomous-Polling-Wait-Automation.md | 35 - AI/Autonomous-Vehicle-Path-Planning.md | 27 - AI/Axify.md | 33 - AI/Azure DevOps.md | 35 - AI/B-Tree.md | 27 - AI/Backpropagation.md | 27 - AI/Baseline Project.md | 35 - AI/Bayesian Inference.md | 29 - AI/Behavioral Finance.md | 27 - AI/Behavioral-Economics.md | 27 - AI/Bellman Equation.md | 27 - AI/Bellman-Equation.md | 27 - AI/Bert-Language-Model.md | 27 - AI/Best SAST Tools in 2026.md | 29 - AI/Best-of-N Sampling ( ø).md | 27 - AI/Best-of-N Sampling (최적 샘플링).md | 25 - AI/Best-of-N Sampling.md | 27 - AI/Bias-Correction-Algorithm.md | 27 - AI/Bias-Variance-Tradeoff.md | 27 - AI/BioShock (2007).md | 27 - AI/BioShock-Critique.md | 27 - AI/Bioenergetics.md | 27 - AI/Bioinformatics-Structure-Prediction.md | 27 - AI/Biological-Inspired-Algorithms.md | 27 - AI/Biomechanics-of-Injury.md | 27 - AI/Biometrics.md | 30 - AI/Bloom-Filters.md | 27 - AI/Boosting-Algorithms-XGBoost-LightGBM.md | 27 - AI/Bounded Contexts.md | 27 - AI/Bounded Rationality.md | 27 - ...nded-Contexts-and-Interface-Segregation.md | 27 - AI/Bounding-Box-Regression.md | 27 - ...rain-Derived Neurotrophic Factor (BDNF).md | 27 - AI/Branded-Types-for-Nominal-Typing.md | 25 - AI/Branded-Types.md | 27 - ...rnout Prevention in Professional Gaming.md | 27 - AI/CI_CD 및 Pull Request 자동화 리뷰.md | 33 - AI/CI_CD 파이프라인 및 IDE 통합 보안.md | 32 - AI/CI_CD.md | 33 - AI/CPTED.md | 25 - AI/CV_Synthesis.md | 29 - ...등의 프로그램 바이너리 작성자 식별 연구.md | 39 - AI/Call Stack.md | 30 - AI/Central-Pattern-Generators.md | 27 - AI/CesiumJS.md | 34 - AI/Chain-of-Thought (CoT 罽).md | 27 - AI/Chain-of-Thought (CoT 사고 사슬).md | 25 - AI/Chrome DevTools Memory Profiling.md | 43 - ...ome DevTools 메모리 분석 및 성능 최적화.md | 30 - ...ols 메모리 프로파일링 및 힙 스냅샷 분석.md | 54 - AI/Chrome DevTools 메모리 프로파일링.md | 33 - AI/Chrome DevTools.md | 50 - AI/Chrome 브라우저 렌더링 성능.md | 42 - AI/Chronic-Pain-Management-Protocols.md | 27 - AI/Circuit Discovery (ȸ ߰).md | 27 - AI/Circuit Discovery (회로 발견).md | 25 - AI/Circular Economy Transitions.md | 25 - AI/Circular-Economy.md | 27 - AI/Clean-Architecture-Implementation.md | 30 - AI/Clean-Architecture-TypeScript.md | 27 - AI/Climate Change Mitigation Frameworks.md | 27 - AI/Clinical-Kinesiology-Assessment.md | 27 - AI/Code Review.md | 40 - AI/Cognitive Biases.md | 27 - AI/Cognitive Computing.md | 27 - AI/Cognitive Neuroscience of Flow.md | 27 - AI/Cognitive Psychology.md | 27 - AI/Cognitive Reserve Theory.md | 27 - ... Training Software (eg Aim Lab_KovaaKs).md | 28 - AI/Cognitive-Evaluation-Theory.md | 27 - AI/Cognitive-Therapy-in-CBT.md | 27 - AI/Collective-Intelligence.md | 27 - AI/Combinatorial Game Theory.md | 27 - AI/Combinatorial-Optimization.md | 28 - AI/CompCert-C-Compiler.md | 25 - AI/Complexity Theory.md | 25 - AI/Computational Creativity.md | 25 - ... Neuroscience of Reinforcement Learning.md | 25 - AI/Computational-Creativity.md | 25 - AI/Computer Vision.md | 27 - AI/Computer-Aided-Design (CAD).md | 25 - AI/Computer_Vision.md | 29 - AI/Concept Drift (개념 드리프트).md | 25 - AI/Concept Mapping.md | 27 - AI/Concurrent Programming.md | 28 - AI/Conditioning and Learning ( ).md | 27 - AI/Connect AI 기술 문서 및 사용 설명서.md | 25 - ... AI 시스템 아키텍처 및 데이터 흐름 분석.md | 25 - AI/Constitutional AI (헌법 AI).md | 25 - AI/Constraint Satisfaction Problems (CSP).md | 25 - AI/Constraint-Satisfaction-Problems.md | 25 - AI/Continuous-Discovery.md | 25 - AI/Control Systems Engineering.md | 25 - AI/Control-Theory.md | 25 - AI/Conways On Numbers and Games.md | 25 - AI/Corgea.md | 34 - AI/Corporate-LMS-Training.md | 25 - AI/Creativity Research.md | 25 - AI/Credit Assignment Problem.md | 25 - AI/Custom-ESLint-Rules-Development.md | 25 - AI/Customer-Journey-Mapping.md | 25 - AI/Cybernetics.md | 25 - AI/DPO (Direct Preference Optimization).md | 25 - AI/DQN.md | 27 - AI/Data Cleaning Algorithms.md | 27 - AI/Data Distillation (데이터 증류).md | 25 - AI/Data-Augmentation-for-Medical-Imaging.md | 25 - AI/Data-Science-in-UX.md | 25 - AI/Data-Transfer-Object-Design.md | 25 - AI/Dead Space (Series).md | 25 - AI/Deceptive Alignment (기만적 정렬).md | 25 - AI/Decision Theory.md | 25 - AI/Declaration Files (dts).md | 25 - AI/Declaration-Files.md | 25 - AI/Deep Q-Networks (DQN).md | 25 - AI/Deep-Convolutional-GANs.md | 25 - AI/DeepCode AI.md | 37 - AI/Deepfake-Detection-Research.md | 25 - AI/Default Mode Network (DMN).md | 25 - AI/DefinitelyTyped.md | 25 - AI/Degrees-of-Freedom.md | 25 - AI/Deliberate-Practice.md | 25 - AI/Denavit-Hartenberg-Parameters.md | 25 - AI/Dense vs Sparse Neural Networks.md | 27 - AI/Dependency-Graph-Analysis.md | 25 - AI/Dependency-Injection.md | 25 - AI/Dependency-Inversion-Principle.md | 25 - AI/DevOps-and-UX-Convergence.md | 25 - AI/DevSecOps.md | 32 - AI/Differentiable Programming.md | 27 - AI/Diffusion-Models.md | 25 - AI/Digital Intellectual Property Rights.md | 25 - AI/Digital Thread Integration.md | 25 - AI/Digital-Twin-Technology.md | 25 - AI/Dijkstra's Algorithm.md | 27 - AI/Diminishing Returns (한계 수익 체감).md | 25 - AI/Directed-Acyclic-Graph-Build-Systems.md | 25 - ...ted-Acyclic-Graph-Dependency-Management.md | 25 - AI/Discriminated-Unions-for-Error-Handling.md | 25 - AI/Discriminated-Unions-for-State-Modeling.md | 25 - AI/Discriminated-Unions.md | 25 - AI/Dissipative Structures.md | 25 - AI/Distributed Reinforcement Learning.md | 27 - AI/Distributed-System-Type-Safety.md | 25 - AI/Domain Objects.md | 35 - AI/Domain-Driven Design (DDD) Type Safety.md | 25 - ...omain-Driven Design (DDD) in TypeScript.md | 25 - ...omain-Driven-Design (DDD) in TypeScript.md | 25 - AI/Domain-Driven-Design (DDD).md | 25 - ...omain-Driven-Design-(DDD)-in-TypeScript.md | 25 - AI/Domain-Driven-Design-(DDD).md | 25 - AI/Domain-Driven-Design-Bounded-Context.md | 25 - AI/Domain-Driven-Design-Interface-Modeling.md | 25 - AI/Domain-Driven-Design-in-TypeScript.md | 25 - AI/Domain-Driven-Design-with-TypeScript.md | 25 - AI/Domain-Driven-Design.md | 25 - AI/Dopaminergic Reward System.md | 25 - AI/Dopaminergic Reward Systems.md | 25 - AI/Drama Management Systems.md | 25 - AI/Dynamic Difficulty Adjustment (DDA).md | 25 - AI/Dynamic Few-Shot (동적 퓨샷 선택 전략).md | 25 - AI/Dynamic-Environment-Handling.md | 27 - AI/E-commerce-Catalog-Management.md | 25 - AI/E-commerce-Optimization.md | 25 - AI/ESLint-Static-Analysis.md | 25 - AI/EU-Web-Accessibility-Directive.md | 25 - AI/EVE Online (Spreadsheet Economy).md | 25 - AI/Ecology and Ecosystem Modeling.md | 25 - AI/Elite-Sport-Science-Protocols.md | 25 - AI/Elite-Strength-and-Conditioning.md | 25 - AI/Embodied Cognition.md | 25 - ...lly Intelligent Tutoring Systems (EITS).md | 25 - AI/Encapsulation-and-Information-Hiding.md | 25 - AI/Encapsulation-of-Domain-Invariants.md | 25 - AI/Encapsulation-via-Access-Modifiers.md | 25 - AI/Endurance-Athletics-Cognition.md | 25 - AI/Enterprise-Design-Systems.md | 25 - AI/Enterprise-Resource-Planning-Systems.md | 25 - AI/Enterprise-Scale-Monorepo-Management.md | 25 - AI/Enterprise-Software-Architecture.md | 25 - AI/Enterprise-Software-Engineering.md | 25 - AI/Europeana.md | 25 - AI/Evolutionary Biology.md | 25 - AI/Evolutionary Computation.md | 25 - AI/Evolutionary-Biology.md | 25 - AI/Evolutionary-Computation.md | 25 - AI/Excess-Property-Checking.md | 25 - AI/Executive Dysfunction.md | 25 - AI/Executive-Function-Deficit.md | 25 - AI/Exercise-Physiology.md | 25 - AI/Exhaustiveness-Checking.md | 25 - AI/Expected Utility Theory.md | 25 - AI/Expo 2025 Osaka.md | 33 - AI/Feature Clamping (피처 고정).md | 25 - AI/Feedback-Control-Systems.md | 25 - AI/Finite-Element-Analysis.md | 25 - AI/Firefox.md | 47 - AI/First Input Delay (FID).md | 33 - AI/Fixed Time Step vs Variable Time Step.md | 25 - AI/Flow State.md | 25 - AI/Flow-State.md | 25 - AI/Functional-Programming-in-TypeScript.md | 25 - AI/GPU.md | 33 - ...PO (Group Relative Policy Optimization).md | 25 - AI/Gacha Mechanics Analysis.md | 25 - AI/Gait-Analysis-Laboratory.md | 25 - AI/Gait-Analysis-Methodologies.md | 25 - AI/Game Balance Theory.md | 25 - AI/Game Economy Modeling.md | 25 - ...ame Engine Architecture (Jason Gregory).md | 25 - AI/Game Engine Architecture.md | 25 - AI/Game-Design-Ontology.md | 25 - AI/Game-Design-Theory.md | 25 - AI/Game-Ontology-for-PCG.md | 25 - AI/Gamification Theory.md | 25 - ...dversarial Networks (GANs) in Fine Arts.md | 25 - AI/Generative-Adversarial-Networks.md | 25 - AI/Generics-and-Polymorphism.md | 25 - AI/Geographic-Information-Systems (GIS).md | 25 - AI/Geriatric-Medicine.md | 25 - AI/GitLab CI.md | 34 - AI/Goal Misgeneralization (목표 오일반화).md | 25 - AI/Graph-Coloring-Problem.md | 25 - AI/Graph-Theory.md | 25 - AI/GraphQL-Code-Generator.md | 25 - AI/GraphRAG (그래프 기반 검색 증강 생성).md | 25 - AI/Grit.md | 25 - ...rowth Mindset Intervention in Education.md | 25 - AI/Growth-Mindset.md | 25 - AI/Guilty-Gear-Xrd-Rendering-Pipeline.md | 25 - AI/HANDOVER.md | 25 - AI/HBO Prestige Television.md | 25 - AI/HHH (Helpful Harmless Honest).md | 25 - AI/Hardware-Verification.md | 25 - AI/Health Informatics (mHealth).md | 25 - AI/Heap Snapshot(힙 스냅샷).md | 30 - AI/Hebbian Theory.md | 25 - AI/High-Cohesion-Low-Coupling.md | 25 - AI/High-Frequency Trading Models.md | 25 - ...ormance Training Programs (Tier 1 Orgs).md | 25 - AI/High-Performance-Coaching.md | 25 - AI/High-Performance-Sports-Science.md | 25 - AI/Homeostasis.md | 25 - AI/Human-Computer-Interaction.md | 25 - AI/Hyperinflation in Closed-Loop Systems.md | 25 - AI/IEEE P36521.md | 25 - AI/Immersive Sim Design.md | 25 - AI/Immersive Sims (eg Deus Ex Dishonored).md | 25 - AI/Immersive Sims (eg Deus Ex Thief).md | 25 - AI/Immersive-Sim-Genre.md | 25 - AI/Immutability-Patterns.md | 25 - AI/In-Context Learning (ICL 문맥 내 학습).md | 25 - AI/Incremental-Computation.md | 25 - AI/Indoor Wayfinding for Smart Cities.md | 25 - AI/Industrial Metaverse.md | 25 - AI/Industrial-Automation.md | 25 - AI/Injury-Prevention-Protocols.md | 25 - AI/InstancedMesh2 library.md | 37 - AI/Interaction to Next Paint (INP).md | 48 - AI/Interface Segregation Principle.md | 25 - AI/Interface-Segregation-Principle-in-TS.md | 25 - AI/Interop 2026.md | 32 - AI/Interpolation and Extrapolation.md | 25 - AI/InversifyJS.md | 25 - AI/Irrational Games.md | 25 - AI/Itô Calculus.md | 25 - AI/J-curve S-curve (AI 발전의 동학).md | 25 - AI/JSON-Schema.md | 25 - AI/Jailbreaking (탈옥).md | 25 - AI/Jenkins.md | 32 - AI/KTO (Kahneman-Tversky Optimization).md | 25 - AI/Ken Levine-Design-Philosophy.md | 25 - AI/Keyof-Operator.md | 25 - AI/Kinematic-Modeling.md | 25 - AI/Knowledge-Representation-in-AI.md | 25 - AI/LLM Alignment (LLM 정렬).md | 25 - AI/LLM Hallucination (언어 모델 환각).md | 25 - AI/LLM.md | 37 - AI/LOD.md | 33 - AI/Language-Acquisition-Apps.md | 25 - ...Scale-Enterprise-Frontend-Architectures.md | 25 - AI/Large-Scale-Knowledge-Integration.md | 25 - AI/Large-scale-Frontend-Architecture.md | 25 - AI/Large-scale-TypeScript-Monorepos.md | 25 - AI/Largest Contentful Paint (LCP).md | 38 - AI/Lerna-Legacy-Management.md | 25 - AI/Level Design Architecture.md | 25 - AI/Level Design Automation.md | 25 - AI/Level of Detail (LOD).md | 35 - AI/Level-Design-Automation.md | 25 - ...resentation Hypothesis (선형 표현 가설).md | 25 - AI/Live Service Game Design.md | 25 - AI/LiveOps Management.md | 25 - AI/LoRA (Low-Rank Adaptation).md | 25 - AI/Locus of Control.md | 25 - AI/Locus-of-Control.md | 25 - AI/Long Animation Frames API.md | 32 - AI/Long Tasks.md | 39 - AI/Ludology-vs-Narratology.md | 25 - AI/MDA-P-Framework.md | 25 - AI/MMORPG Economic Management.md | 25 - AI/Machine Learning in Game Design.md | 25 - AI/Machine-Learning-Animation.md | 25 - AI/Main Thread.md | 32 - AI/Market Regulation.md | 25 - ...c Interpretability (기계적 해석 가능성).md | 25 - AI/Mesocortical Pathway.md | 25 - AI/Metabolic Efficiency.md | 25 - AI/Metabolic-Flexibility.md | 25 - AI/Metabolic-Resource-Allocation.md | 25 - AI/Metro Exodus.md | 25 - ...oservices-Architecture-Bounded-Contexts.md | 25 - AI/Microservices-Architecture-Type-Safety.md | 25 - AI/Microservices-Communication-Patterns.md | 25 - AI/Mipmap.md | 33 - AI/Mobile-App-Development.md | 25 - AI/Model Collapse (모델 붕괴 현상).md | 25 - AI/Model Context Protocol (MCP).md | 32 - AI/Model Predictive Control (MPC).md | 25 - AI/Model Spec (모델 스펙 AI 행동 명세서).md | 25 - AI/Module Augmentation.md | 25 - AI/Module-Augmentation.md | 25 - AI/Module-Boundary-Enforcement.md | 25 - AI/Monetary Policy in Virtual Worlds.md | 25 - AI/Monetary Policy.md | 25 - AI/Monosemanticity (일의성).md | 25 - ...ti-Agent Debate (에이전트 간 토론 전략).md | 25 - ...lti-Agent System (다중 에이전트 시스템).md | 25 - AI/Multi-Hop Reasoning (다중 홉 추론).md | 25 - AI/Multimodal Sentiment Analysis.md | 25 - ... Language Processing (NLP) in Narrative.md | 25 - AI/Natural-Language-Processing.md | 25 - AI/Naughty Dog Development.md | 25 - AI/NestJS-Architecture.md | 25 - ...rk Synchronization in Multiplayer Games.md | 25 - AI/Neural-Symbolic-Integration.md | 25 - AI/Neuro-Symbolic-AI.md | 25 - AI/Neurobiology-of-Reward.md | 25 - AI/Neurodevelopmental Disorders.md | 25 - AI/Neuroeconomics.md | 25 - AI/Neuroergonomics.md | 25 - AI/Neuromuscular-Adaptation.md | 25 - AI/Neuromuscular-Control.md | 25 - ...pharmacology of Substance Use Disorders.md | 25 - AI/Neuroplasticity in Addiction.md | 25 - AI/Neuroplasticity in Motor Learning.md | 25 - AI/Neuroplasticity-in-Motor-Learning.md | 25 - AI/Neuroprosthetics-Development.md | 25 - AI/Neuropsychiatric Disorders.md | 25 - AI/Neuropsychology.md | 25 - AI/Neurorehabilitation after Stroke.md | 25 - AI/Neurorehabilitation-Post-Stroke.md | 25 - ... Sky (Large-scale planetary generation).md | 25 - AI/No Mans Sky.md | 25 - AI/Nodejs 메모리 누수 분석.md | 41 - AI/Nodejs 프로덕션 메모리 누수 진단.md | 50 - AI/Nodejs 프로덕션 메모리 문제 해결.md | 30 - AI/Nodejs 프로덕션 메모리 병목 분석.md | 53 - AI/Nodejs-Global-Namespace-Augmentation.md | 25 - AI/Nominal-Typing-in-TypeScript.md | 25 - ...hotorealistic-Rendering-in-Level-Design.md | 25 - AI/Nuclear Deterrence Models.md | 25 - AI/Nutritional-Biochemistry.md | 25 - ...WA vs CWA (개방 세계 vs 폐쇄 세계 가정).md | 25 - AI/Object Pooling (가비지 컬렉션 최적화).md | 25 - AI/Object-Oriented-Design-Patterns.md | 25 - AI/Objectivism.md | 25 - AI/Occupational-Therapy.md | 25 - AI/Okami-Ink-Wash-Aesthetics.md | 25 - AI/Olympic-Training-Cycles.md | 25 - AI/Olympic-Training-Models.md | 25 - AI/Olympic-Training-Protocols.md | 25 - AI/Ontology-Driven-Relevancy-Filtering.md | 35 - AI/Ontology-Engineering.md | 25 - AI/Ontology-Guided Knowledge Extraction.md | 25 - AI/Opaque-Types.md | 25 - AI/Open-Access-Movement.md | 25 - AI/Operations-Research.md | 25 - AI/Organizational Psychology.md | 25 - AI/Outer Alignment vs Inner Alignment.md | 25 - AI/PCGML-Frameworks.md | 25 - AI/PEFT (Parameter-Efficient Fine-Tuning).md | 25 - AI/PRM (Process Reward Model).md | 25 - AI/PageSpeed Insights.md | 32 - AI/Papers Please (Bureaucratic Simulation).md | 25 - AI/Papers-Please.md | 25 - AI/Pedestrian-Modeling.md | 25 - AI/Perceptual-Motor-Skills.md | 25 - AI/Performance Management Systems.md | 25 - AI/Performance Psychology.md | 25 - AI/Periodization-Theory.md | 25 - AI/Personalization-Engines.md | 25 - AI/Persuasive Games.md | 25 - AI/Phase Transition (위상 변이).md | 25 - AI/Phyllotaxis-Modeling.md | 25 - AI/Physics-Based-Simulation.md | 25 - AI/Platform Economics.md | 25 - AI/Play-to-Earn (P2E) Economies.md | 25 - AI/Player-Agency.md | 25 - AI/PolicyIQ.md | 32 - AI/Positive-Education.md | 25 - AI/Post-structuralism.md | 25 - AI/Precision Medicine Training.md | 25 - AI/Predictive Maintenance (PdM).md | 25 - AI/Predictive-Modeling.md | 25 - AI/Predictive-Urban-Modeling.md | 25 - AI/Prefrontal Cortex Dysfunction.md | 25 - AI/Prefrontal-Cortex-Dysfunction.md | 25 - ...obability Theory (Stochastic Processes).md | 25 - AI/Probability Theory.md | 25 - ...ural Content Generation (PCG) Balancing.md | 25 - AI/Procedural Content Generation (PCG).md | 25 - ...Generation via Machine Learning (PCGML).md | 25 - AI/Procedural Content Generation.md | 25 - AI/Procedural Rhetoric.md | 25 - AI/Procedural-Content-Generation (PCG).md | 25 - ...Content-Generation-via-Machine-Learning.md | 25 - AI/Procedural-Content-Generation.md | 25 - AI/Procedural-Texture-Generation.md | 25 - AI/Process Supervision (과정 감독).md | 25 - AI/Product-Types.md | 25 - AI/Prompt Injection (프롬프트 주입 공격).md | 25 - AI/Prospect Theory.md | 25 - AI/Prosthetic-Design-Optimization.md | 25 - AI/Psychophysiology.md | 25 - AI/Pull Request (PR) 워크플로우.md | 33 - AI/Pull Request (PR).md | 37 - AI/Quality Gates.md | 33 - AI/Quantitative-Usability-Testing.md | 25 - AI/RAG (검색 증강 생성).md | 25 - AI/RLAIF (AI 피드백 기반 강화학습).md | 25 - AI/RLHF (인간 피드백 기반 강화학습).md | 25 - AI/RL_Neuroscience.md | 29 - AI/ReAct (Reasoning Acting).md | 25 - AI/Real-Time-Game-Engines.md | 25 - AI/Redux-Reducers-Design.md | 25 - AI/Redux-State-Management.md | 25 - AI/Regenerative Design.md | 25 - AI/Regenerative-Design.md | 25 - AI/Rehabilitative-Medicine.md | 25 - AI/Reinforcement Learning (RL).md | 25 - ...ment Learning for Automated Playtesting.md | 25 - AI/Reinforcement Learning in Economics.md | 25 - AI/Reinforcement Learning.md | 25 - AI/Reinforcement Schedules.md | 25 - AI/Resilience Science.md | 25 - AI/Resilience-Engineering.md | 25 - AI/Retainers(유지 경로).md | 40 - AI/Retaining Path.md | 39 - AI/Retrograde-Games.md | 25 - AI/Reward Hacking (보상 해킹).md | 25 - AI/Reward Prediction Error.md | 25 - AI/Risk Management in Finance.md | 25 - AI/Robotic Manipulation Control.md | 25 - AI/Robotic-Prosthetics-Control-Systems.md | 25 - AI/Robustness (강건성).md | 25 - ...T (Static Application Security Testing).md | 27 - AI/SAST (정적 애플리케이션 보안 테스트).md | 40 - AI/SAST (정적 애플리케이션 보안 테스팅).md | 37 - AI/SAST.md | 30 - AI/SDLC (소프트웨어 개발 수명 주기).md | 33 - AI/SFT (Supervised Fine-Tuning).md | 25 - AI/SHACL (Shapes Constraint Language).md | 25 - AI/STEM Laboratory Virtualization.md | 25 - AI/Scaffolding (Instructional Technique).md | 25 - AI/Scheduling-and-Timetabling.md | 25 - AI/Section-508-Compliance.md | 25 - AI/Security-Governance.md | 27 - AI/Segmentsai.md | 33 - AI/Self-Consistency (자기 일관성 디코딩).md | 25 - AI/Self-Organized Criticality.md | 25 - AI/Self-Play (자기 대결 기반 강화학습).md | 25 - AI/Self-Regulation.md | 25 - AI/Semantic Grounding Provenance.md | 25 - AI/Semgrep Assistant.md | 41 - AI/Serious Games.md | 25 - AI/Service-Design-Blueprinting.md | 25 - AI/Shannon-Entropy.md | 25 - ...ty (as a model of systemic interaction).md | 25 - AI/Simulated History.md | 25 - AI/Simulator Sickness Questionnaire (SSQ).md | 36 - AI/Single-Source-of-Truth.md | 25 - AI/Singularity (기술적 특이점).md | 25 - ...조 및 의존성 분석 (Dependency Mapping).md | 25 - ...ocol 데이터 및 제어 흐름 (Control Flow).md | 25 - AI/Skybound Protocol 코드리뷰.md | 37 - ...r Labs 등 종합 애플리케이션 보안 플랫폼.md | 33 - AI/Social Constructivism.md | 25 - AI/Social Systems Theory.md | 25 - AI/Soft Navigation.md | 32 - AI/SonarQube.md | 33 - AI/Sparse Autoencoder (SAE).md | 25 - AI/Spatial UI.md | 25 - AI/Specification Gaming (명세 우회).md | 25 - AI/Sports Neuroscience.md | 25 - AI/Sports-Medicine-Rehabilitation.md | 25 - AI/Sports-Performance-Optimization.md | 25 - AI/Sports-Psychology.md | 25 - AI/Sports-Science-Training.md | 25 - AI/Sprague-Grundy Theorem.md | 25 - ...tic Application Security Testing (SAST).md | 34 - AI/Static-Analysis-in-JavaScript-Ecosystem.md | 25 - AI/Static-Analysis-in-JavaScript.md | 25 - AI/Static-Analysis-in-Software-Engineering.md | 25 - AI/Static-Analysis-of-Interfaces.md | 25 - AI/Stochastic Processes.md | 25 - AI/Stochastic-Games.md | 25 - AI/Sum-Types.md | 25 - AI/Superposition (중첩).md | 25 - AI/Supply-Chain-Management.md | 25 - AI/Surreal Numbers.md | 25 - AI/Survival Horror Genre.md | 25 - AI/Sustainable Development Goals (SDGs).md | 25 - AI/Sustainable-Development-Goals (SDGs).md | 25 - AI/Sycophancy (LLM 아첨 문제).md | 25 - AI/Symbolic-Logic.md | 25 - AI/Synaptic Plasticity.md | 25 - AI/SynthID (구글 AI 식별 기술).md | 25 - AI/Synthetic Data (합성 데이터).md | 25 - AI/System Prompt (시스템 프롬프트).md | 25 - AI/Systemic-Cohesion.md | 25 - AI/Systems Thinking in Management.md | 25 - AI/Systems Thinking.md | 25 - AI/Taxonomy-and-Ontology.md | 25 - AI/Temporal Difference Learning.md | 25 - ...mpute Scaling (추론 시간 계산 스케일링).md | 25 - AI/Texture-Synthesis.md | 25 - AI/The Immersive Sim Taxonomy Debate.md | 25 - AI/The Last of Us Series.md | 25 - AI/The Overwatch League Case Study.md | 25 - AI/The Science of Well-Being (Yale).md | 25 - AI/The-Collapse-of-Utopian-Ideologies.md | 25 - AI/Themework-Integration.md | 25 - AI/Threejs WebGL 렌더링 최적화.md | 47 - AI/Threejs WebGPURenderer.md | 37 - AI/Threejs 성능 최적화.md | 49 - AI/Time Series Analysis.md | 25 - AI/Time to Interactive (TTI).md | 30 - AI/Tokenomics.md | 25 - AI/Topology-of-Strategy-Spaces.md | 25 - AI/Trajectory-Planning.md | 25 - AI/Transhumanism.md | 25 - AI/Transient Hypofrontality.md | 25 - AI/Transient-Hypofrontality.md | 25 - AI/Transit-Oriented-Development (TOD).md | 25 - AI/Tree-of-Thought (ToT 사고 트리).md | 25 - AI/Type Definition Files (DefinitelyTyped).md | 25 - AI/Type-Composition-via-Intersection-Types.md | 25 - AI/Type-Guards.md | 25 - AI/Type-Inference.md | 25 - AI/Type-Intersection.md | 25 - AI/Type-Safety-in-Distributed-Systems.md | 25 - AI/Type-Safety-in-Domain-Driven-Design.md | 25 - AI/Type-Safety-in-Generics.md | 25 - AI/Type-Soundness.md | 25 - AI/Type-Theory.md | 25 - AI/Type-Unification.md | 25 - AI/TypeScript Compiler (tsc).md | 25 - ...peScript Declaration Files (dts) Design.md | 25 - AI/TypeScript Interface Design.md | 25 - AI/TypeScript Type System Design.md | 25 - AI/TypeScript-Advanced-Type-System-Design.md | 25 - AI/TypeScript-Compiler-API-Integration.md | 25 - AI/TypeScript-Domain-Driven-Design.md | 25 - AI/TypeScript-Interface-Design.md | 25 - AI/TypeScript-Type-System-Architecture.md | 25 - AI/TypeScript-Type-System-Design.md | 25 - AI/TypeScript-Type-System-Interface-Design.md | 25 - AI/TypeScript-Type-System.md | 25 - AI/UX-Design-and-Engagement.md | 25 - AI/UX-Research-Methodologies.md | 25 - AI/Ubiquitous Computing Paradigm.md | 25 - AI/Ubiquitous Computing.md | 25 - AI/Ubiquitous-Computing.md | 25 - AI/Ubiquitous-Language-Encoding.md | 25 - AI/Union-Types-vs-Overloading.md | 25 - AI/Universal-Design-Principles.md | 25 - AI/Urban Resilience Strategies.md | 25 - AI/Urban-Planning.md | 25 - AI/Utility Theory.md | 25 - AI/VIA Institute on Character.md | 25 - AI/Value Object Pattern.md | 25 - AI/Value-Objects.md | 25 - AI/Variational-Autoencoders.md | 25 - AI/Visual Positioning Systems (VPS).md | 25 - ...A-Accessible-Rich-Internet-Applications.md | 25 - AI/Wang-Tiles.md | 25 - AI/Watermarking (AI 워터마킹).md | 25 - AI/Wavefunction-Collapse-Algorithm.md | 25 - AI/Web Performance Optimization.md | 47 - ...b-Content-Accessibility-Guidelines-WCAG.md | 25 - AI/WebSplatter (3D Gaussian Splatting).md | 40 - AI/Wellbeing-Science.md | 25 - AI/Width-Subtyping.md | 25 - AI/Wikidata.md | 25 - AI/Work-Engagement-Models.md | 25 - AI/World of Warcraft (Gold Sink Mechanics).md | 25 - ...리_ - 관심사의 분리 (Separation of Concerns).md | 48 - AI/agargaro의 오픈 소스 라이브러리.md | 44 - AI/clinicjs.md | 33 - AI/e스포츠 인지 상태 및 성과 위험 평가.md | 40 - AI/가상화 (Virtualization).md | 25 - AI/강화학습 (Reinforcement Learning).md | 25 - AI/공급망 공격 (Supply Chain Attack).md | 40 - AI/대규모 React 프론트엔드 최적화.md | 25 - ...인 주도 설계 (Domain-Driven Design DDD).md | 40 - ...민 보상 체계 (Dopaminergic Reward System).md | 25 - AI/디자인 시스템 (Design Systems).md | 25 - ...비스 아키텍처 (Microservices Architecture).md | 46 - AI/벡터 데이터베이스 (Vector Database).md | 25 - AI/보존 경로(Retaining Path).md | 33 - AI/보편적 언어 (Ubiquitous Language).md | 32 - ...리 누수 탐지(Browser Memory Leak Detection).md | 40 - ... 도메인 모델링 (Business Domain Modeling).md | 39 - AI/빌보드 임포스터(Billboard Impostors).md | 32 - AI/상태 관리 최적화 (Zustand Jotai Valtio).md | 48 - ...플라이 체인 보안 (Supply Chain Security).md | 39 - AI/소프트웨어 개발 수명 주기 (SDLC).md | 33 - AI/스캐빈저(Scavenger).md | 30 - AI/시뮬레이터 멀미 설문지(SSQ).md | 42 - ...미 설문지(Simulator Sickness Questionnaire).md | 36 - AI/애그리거트 (Aggregates).md | 32 - AI/양자화 (Quantization).md | 25 - AI/에듀테크 기반 게이미피케이션 전략.md | 25 - AI/연합 학습 (Associative Learning).md | 25 - ...5 호쿠사이 인스톨레이션(Hokusai installation).md | 32 - AI/온톨로지 (Ontology).md | 25 - AI/온톨로지 지식 베이스.md | 25 - AI/유비쿼터스 언어 (Ubiquitous Language).md | 32 - AI/인간-컴퓨터 상호작용 (HCI).md | 25 - AI/인공지능 상호작용 (HAI).md | 25 - AI/인적 자원 관리(HRM) 전략 수립.md | 25 - AI/인지 행동 치료 (CBT).md | 25 - AI/인지행동치료(CBT).md | 25 - AI/인터랙티브 스토리텔링 연구.md | 25 - AI/정적 애플리케이션 보안 테스트 (SAST).md | 34 - AI/정적 애플리케이션 보안 테스트(SAST).md | 48 - AI/지식 베이스 (Knowledge Base).md | 25 - AI/직렬화(Serialization) 및 병목 현상.md | 25 - AI/창발 능력 (Emergent Abilities).md | 25 - AI/카산드라(Cassandra).md | 38 - AI/코드 리뷰(Code Review).md | 40 - AI/풀 리퀘스트 워크플로우.md | 33 - AI/풀 리퀘스트(PR) 기반 보안 검토.md | 33 - AI/프론트엔드 및 Nodejs 개발 워크플로우.md | 43 - ...이브리드 코드 리뷰 (Hybrid Code Review).md | 44 - AI/하이브리드 코드 리뷰.md | 50 - AI/할당 실패(Allocation Failure).md | 37 - AI/함수 호출 (Function Calling).md | 25 - AI/힙 스냅샷(Heap Snapshot).md | 47 - API_Communication_Patterns.md | 26 - Accessibility_Inclusivity.md | 26 - Automation & Industry/3D Web-based HMI.md | 34 - Automation/IoT.md | 29 - Automation/SCADA.md | 29 - Coding/AST_Traversal.md | 29 - Coding/CST.md | 29 - Coding/Formatting.md | 29 - Coding/Parser.md | 29 - Collaboration_Governance.md | 26 - Communication & Tech/Algorithmic Rhetoric.md | 25 - Component_Design_Patterns.md | 28 - Computational Theory & Math/Graph Theory.md | 33 - .../Information Theory.md | 32 - .../Algebraic-Data-Types.md | 25 - Deployment_Final_Gate.md | 26 - ...ity-for-Ontarians-with-Disabilities-Act.md | 25 - ... 모델링 (State Modeling and API Responses).md | 40 - .../AST-Manipulation-Techniques.md | 25 - .../Abstract-Syntax-Tree-Transformation.md | 27 - .../Abstract-Syntax-Tree-Traversal.md | 27 - Design & Experience/Accessibility (A11y).md | 25 - .../Accessibility-Compliance-WCAG.md | 25 - Design & Experience/Additive-Type-Logic.md | 27 - .../Affective User Interfaces (AUI).md | 25 - Design & Experience/Agency-in-Game-Design.md | 27 - ...unication Protocol (에이전트 통신 규약).md | 27 - Design & Experience/Agile-UX-Integration.md | 25 - .../Americans-with-Disabilities-Act-ADA.md | 25 - .../Apple Human Interface Guidelines.md | 25 - Design & Experience/Arkane-Studios.md | 25 - Design & Experience/Assignability-Rules.md | 25 - .../Assistive-Technology-Interoperability.md | 25 - Design & Experience/Atomic Design Pattern.md | 33 - Design & Experience/Auction-Theory.md | 25 - .../Augmented Reality (AR) Interfaces.md | 25 - .../Automated-Client-Generation.md | 25 - Design & Experience/Bay 12 Games.md | 25 - Design & Experience/Bazel.md | 25 - .../Behavior-Driven-Development (BDD).md | 27 - ... Home (Domestic Narrative Architecture).md | 25 - .../Borderlands-Art-Direction.md | 25 - .../Boundary-Layer-Validation.md | 25 - .../Branded Types in TypeScript.md | 25 - Design & Experience/Buck2.md | 25 - Design & Experience/Business-Strategy.md | 27 - .../Causal Loop Diagramming.md | 25 - .../Choice Architecture in Digital UX.md | 25 - .../Chrome User Experience Report (CrUX).md | 40 - Design & Experience/Code Formatting.md | 40 - .../Cognitive Aging Research.md | 25 - Design & Experience/Cognitive Dissonance.md | 25 - Design & Experience/Cognitive-Flexibility.md | 25 - Design & Experience/Cognitive-Psychology.md | 25 - .../Complexity Science in Economics.md | 25 - .../Computation-Caching-Strategies.md | 25 - Design & Experience/Computational Thinking.md | 25 - .../Computational-Fluid-Dynamics.md | 25 - Design & Experience/Conditional-Types.md | 25 - Design & Experience/Content-Strategy.md | 25 - .../Contract-Driven-Development.md | 25 - .../Contract-First-Development.md | 25 - Design & Experience/Contract-Testing.md | 25 - .../Contravariance-and-Covariance.md | 25 - .../Creativity-and-Cognitive-Complexity.md | 25 - Design & Experience/Critical Design.md | 25 - Design & Experience/Cryptoeconomics.md | 25 - ...Dark Souls (Environmental Storytelling).md | 25 - Design & Experience/Data-Sanitization.md | 25 - Design & Experience/Declaration Merging.md | 25 - Design & Experience/Declaration-Merging.md | 25 - Design & Experience/Depth-Subtyping.md | 25 - Design & Experience/Design-Thinking.md | 25 - Design & Experience/Design-Tokens.md | 25 - Design & Experience/Diegetic UI.md | 25 - Design & Experience/Diegetic-Interface.md | 25 - Design & Experience/Digital Humanities.md | 25 - .../Digital Twin Interfaces.md | 25 - .../Digital-Heritage-Preservation.md | 25 - Design & Experience/Digital-Humanities.md | 25 - .../Digital-Transformation-Strategy.md | 25 - Design & Experience/Divergent-Thinking.md | 25 - Design & Experience/Duck-Typing.md | 25 - Design & Experience/Dwarf Fortress.md | 25 - .../E-commerce-Conversion-Optimization.md | 25 - Design & Experience/ESL Pro Tour.md | 25 - .../ESLint-Plugin-TypeScript.md | 25 - .../Edge-Detection-Algorithms.md | 25 - ...Pedagogy (Zone of Proximal Development).md | 25 - Design & Experience/Educational-Psychology.md | 25 - Design & Experience/Electromyography.md | 25 - .../Environmental Storyability.md | 25 - .../Environmental Storytelling.md | 25 - .../Environmental-Storytelling.md | 25 - Design & Experience/Ergodic Literature.md | 25 - Design & Experience/Ergodic-Literature.md | 25 - Design & Experience/Executive Function.md | 25 - .../Exhaustiveness-Checking-with-Never.md | 25 - .../FSD (Feature-Sliced Design).md | 37 - .../Fallout (Pip-Boy Mechanic).md | 25 - Design & Experience/Feature-Sliced Design.md | 36 - Design & Experience/Flow-Sensitive-Typing.md | 25 - .../Formalism vs Structuralism.md | 25 - Design & Experience/Formalist Criticism.md | 25 - .../Game Studies (Game Studies Journal).md | 25 - Design & Experience/Game Systems Design.md | 25 - Design & Experience/Game-Level-Design.md | 25 - .../Game-Studies-Academic-Discourse.md | 25 - Design & Experience/Game-Studies-Journal.md | 25 - .../Gamification in Pedagogy.md | 25 - Design & Experience/Gamification-Mechanics.md | 25 - Design & Experience/GitHub Actions.md | 34 - Design & Experience/Global Augmentation.md | 25 - .../Grammar-based-Synthesis.md | 25 - .../HUD-less Design Paradigms.md | 25 - .../Haptic Feedback Technology.md | 25 - ...erarchical Reinforcement Learning (HRL).md | 25 - .../High-Performance-Human-Factors.md | 25 - .../Human-Computer Interaction (HCI).md | 25 - .../Human-Computer-Interaction (HCI).md | 25 - .../Human-Machine Interface (HMI) Design.md | 25 - .../Human-Robot Interaction (HRI).md | 25 - .../Human-Robot-Interaction.md | 25 - Design & Experience/Hypertextuality.md | 25 - Design & Experience/ISO 9241 표준.md | 25 - Design & Experience/Immersive Analytics.md | 25 - .../Incremental-Compilation.md | 25 - .../Information-Architecture.md | 25 - Design & Experience/Inquiry-Based Learning.md | 25 - .../Interface Segregation Principle (ISP).md | 33 - .../Interface-Extension-vs-Augmentation.md | 25 - Design & Experience/Interface-Extension.md | 25 - Design & Experience/Interface-Merging.md | 25 - ...ace-Segregation-Principle-in-TypeScript.md | 25 - .../Interface-Segregation-Principle.md | 25 - .../Interoperability Standards.md | 25 - ...tersection-Types-vs-Interface-Extension.md | 25 - Design & Experience/Inverse-Kinematics.md | 25 - Design & Experience/JSON-Schema-Validation.md | 25 - Design & Experience/K-12-EdTech.md | 25 - Design & Experience/Kinetics.md | 25 - .../Knowledge-Graph-Construction.md | 25 - ...(League of Legends Championship Series).md | 25 - Design & Experience/Lean-UX.md | 25 - Design & Experience/Level Design Theory.md | 25 - Design & Experience/Level-Design-Theory.md | 25 - Design & Experience/Linguistics.md | 25 - Design & Experience/Linked-Data-Principles.md | 25 - .../Liskov-Substitution-Principle.md | 25 - .../Ludo-Narrative-Dissonance.md | 25 - .../Ludo-narrative Dissonance.md | 25 - .../Ludonarrative-Dissonance.md | 25 - Design & Experience/Mapped-Types.md | 25 - Design & Experience/Material Design System.md | 25 - Design & Experience/Material Design.md | 25 - Design & Experience/Material-Design.md | 25 - .../Mechanism Design in Auctions.md | 25 - Design & Experience/Mechanism Design.md | 25 - Design & Experience/Mechanism-Design.md | 25 - .../Micro-Frontend-Architecture.md | 25 - Design & Experience/Mobile-App-Onboarding.md | 25 - .../Module Resolution Algorithm.md | 25 - .../Module-Augmentation-Patterns.md | 25 - .../Module-Resolution-Strategy.md | 25 - .../Monorepo-Architecture-Design.md | 25 - Design & Experience/Monorepo-Architecture.md | 25 - .../Monorepo-Dependency-Graph-Analysis.md | 25 - .../Monte Carlo Tree Search (MCTS).md | 25 - Design & Experience/Motor-Learning-Theory.md | 25 - Design & Experience/Motor-Learning.md | 25 - Design & Experience/Narrative Design.md | 25 - Design & Experience/Narrative Intelligence.md | 25 - Design & Experience/Nash Equilibrium.md | 25 - Design & Experience/Nash-Equilibrium.md | 25 - Design & Experience/Ninja-Build-System.md | 25 - .../Nodejs-Backend-Architecture.md | 25 - Design & Experience/Nominal Typing.md | 25 - .../Nominal-Typing-via-Branded-Types.md | 25 - .../Nominal-Typing-vs-Structural-Typing.md | 25 - .../Nominal-vs-Structural-Typing.md | 25 - Design & Experience/Non-Diegetic UI.md | 25 - Design & Experience/Nx-Build-System.md | 25 - .../Object-Literal-Assignment.md | 25 - .../Object-Oriented-Interface-Design.md | 25 - .../Occupational-Ergonomics.md | 25 - Design & Experience/OpenAPI-Specification.md | 25 - .../Optimal-Experience-Research.md | 25 - .../Organizational Learning Culture.md | 25 - .../Organizational-Innovation-Management.md | 25 - .../Orthopedic-Implant-Validation.md | 25 - Design & Experience/Player Agency.md | 25 - Design & Experience/Player-Autonomy.md | 25 - .../Political-Philosophy-in-Games.md | 25 - .../Product-Analytics-Infrastructure.md | 25 - .../Protocol-Buffers-TypeScript.md | 25 - Design & Experience/Public Policy Design.md | 25 - .../Quantum-Computing-Simulations.md | 25 - ...리 엔진 스냅샷(Snapshot) 기반 상태 복원.md | 25 - .../React Native 게임 최적화 (JSI Hermes).md | 25 - .../React Performance Optimization.md | 41 - ...eact 상태 관리 (React State Management).md | 39 - .../React 상태 관리 및 API 응답 처리.md | 34 - .../React 컴포넌트 Props 검증.md | 35 - Design & Experience/Redstone Engineering.md | 25 - .../Redux 등 상태 관리 (State Management).md | 32 - .../Redux 스타일 리듀서 및 액션 관리.md | 32 - Design & Experience/Redux-Reducers.md | 25 - .../Redux-Toolkit-Architecture.md | 25 - .../Reinforcement Learning Reward Shaping.md | 25 - Design & Experience/Roguelike Subgenre.md | 25 - Design & Experience/SeL4-Microkernel.md | 25 - .../Self-Determination Theory.md | 25 - .../Self-Determination-Theory.md | 25 - Design & Experience/Service-Design.md | 25 - Design & Experience/SimCity-Series.md | 25 - .../Single-Responsibility-Principle.md | 25 - .../Single-Source-of-Truth-Principle.md | 25 - .../Smithsonian-Digital-Repository.md | 25 - Design & Experience/Snyk Open Source.md | 32 - Design & Experience/Social Learning Theory.md | 25 - .../Socially Assistive Robotics (SAR).md | 25 - ...tware Architecture API Contract Design.md | 25 - .../Software-Contract-Enforcement.md | 25 - .../Software-Product-Management.md | 25 - Design & Experience/Spatial Cognition.md | 25 - Design & Experience/Spatial Computing.md | 25 - .../State-Machine-Implementation.md | 25 - .../Static Type Checking Systems.md | 25 - .../Static-Program-Analysis.md | 25 - Design & Experience/Structural Type System.md | 25 - Design & Experience/Structural-Subtyping.md | 25 - Design & Experience/Structural-Type-System.md | 25 - .../Structural-Typing-Analysis.md | 25 - .../Structural-Typing-Compatibility.md | 25 - .../Structural-Typing-Mechanics.md | 25 - .../Structural-Typing-Mechanisms.md | 25 - .../Structural-Typing-System.md | 25 - .../Structural-Typing-and-Compatibility.md | 25 - .../Structural-Typing-vs-Nominal-Typing.md | 25 - Design & Experience/Structural-Typing.md | 25 - .../Structural-vs-Nominal-Typing-in-TS.md | 25 - .../Structural-vs-Nominal-Typing.md | 25 - Design & Experience/Subtyping-Relations.md | 25 - Design & Experience/Subtyping-Rules.md | 25 - Design & Experience/Subtyping-and-Variance.md | 25 - Design & Experience/Systemic Design.md | 25 - Design & Experience/Systemic Game Design.md | 25 - Design & Experience/Systemic-Design.md | 25 - Design & Experience/Systems-Thinking.md | 25 - Design & Experience/Template-Literal-Types.md | 25 - .../The Emergence Theory in Game Design.md | 25 - ... (Resource Scarcity and Character Bond).md | 25 - Design & Experience/Topological-Sorting.md | 25 - Design & Experience/Touchpoint-Analysis.md | 25 - .../Tree Shaking (번들 크기 최적화).md | 42 - .../Turborepo-Orchestration.md | 25 - Design & Experience/Type Alias.md | 32 - Design & Experience/Type Branding.md | 25 - Design & Experience/Type Declaration.md | 33 - Design & Experience/Type-Aware-Linting.md | 25 - .../Type-Compatibility-Rules.md | 25 - .../Type-Compatibility-and-Subtyping.md | 25 - Design & Experience/Type-Compatibility.md | 25 - .../Type-Composition-via-Intersections.md | 25 - .../Type-Driven-Development.md | 25 - .../Type-Erasure-and-Runtime-Behavior.md | 25 - .../Type-Guards-and-Narrowing.md | 25 - Design & Experience/Type-Narrowing.md | 25 - Design & Experience/Type-Safe-API-Design.md | 25 - ...Type-Safety-and-Exhaustiveness-Checking.md | 25 - Design & Experience/Type-Safety.md | 25 - .../Type-Variance-in-TypeScript.md | 25 - .../TypeScript Compiler API.md | 25 - ...peScript Type System (Interface Design).md | 25 - .../TypeScript 라이브러리 타입 확장.md | 33 - ...인터페이스 및 시스템 보호 아키텍처 설계.md | 40 - .../TypeScript 컴파일러 캐싱 최적화.md | 32 - .../TypeScript-Compiler-API-Design.md | 25 - .../TypeScript-Compiler-API.md | 25 - .../TypeScript-Compiler-Architecture.md | 25 - .../TypeScript-Language-Service-API.md | 25 - .../TypeScript-Project-References.md | 25 - .../TypeScript의 안전한 인터페이스 설계.md | 46 - ...peScript의 인터페이스 및 객체 타입 설계.md | 47 - Design & Experience/UX-Gamification.md | 34 - .../UX_UI in Interactive Media.md | 25 - .../Unified-User-Experience.md | 25 - Design & Experience/Union-Types.md | 25 - Design & Experience/Urban-Morphology.md | 25 - .../Urban-Planning-Simulations.md | 25 - .../User Experience (UX) Design.md | 25 - .../User Experience (UX) in Game Design.md | 25 - Design & Experience/User-Experience-Design.md | 25 - ... (Covariance Contravariance Invariance).md | 25 - ...-(Covariance-Contravariance-Invariance).md | 25 - .../Variance-Covariance-Contravariance.md | 25 - Design & Experience/Video Game Design.md | 25 - .../Visual-Hierarchy-in-Game-Design.md | 25 - .../Von Neumann-Morgenstern Axioms.md | 25 - .../W3C-Semantic-Web-Standards.md | 25 - Design & Experience/Wayfinding-Design.md | 25 - Design & Experience/Wicked-Problems.md | 25 - .../Width-and-Depth-Subtyping.md | 25 - Design & Experience/Zod-Runtime-Validation.md | 25 - Design & Experience/Zod-Schema-Validation.md | 25 - .../eSports Performance Psychology.md | 25 - Design & Experience/가상 DOM (Virtual DOM).md | 40 - .../계층형 아키텍처 (Layered Architecture).md | 41 - ...용 시스템을 위한 React 기반 게임 엔진 아키텍처.md | 25 - .../교육 심리학에서의 보상 설계.md | 25 - Design & Experience/교육학의 모델링 전략.md | 25 - .../뇌과학 기반 중독 재활 프로그램.md | 25 - ...규모 프론트엔드 웹 프로젝트 폴더 구조화.md | 43 - ...데이터 지향 설계 (Data-Oriented Design).md | 25 - Design & Experience/도메인 주도 설계 (DDD).md | 34 - Design & Experience/도메인 주도 설계(DDD).md | 36 - Design & Experience/도파민 보상 체계.md | 25 - .../라이브러리 타입 선언 (dts) 확장.md | 37 - .../마이크로 프론트엔드 (Micro Frontends).md | 30 - .../맞춤형 개별화 학습 설계.md | 25 - .../모바일 앱 및 웹 인터페이스 설계.md | 25 - Design & Experience/몰입감 (Presence).md | 40 - .../바운디드 컨텍스트 (Bounded Context).md | 33 - ...응형 윈도우 리사이즈(Resize) 이벤트 처리.md | 40 - ...기 데이터 패칭 (Async Operations Pattern).md | 32 - .../사용성 공학 (Usability Engineering).md | 25 - .../사용자 경험 (UX) 디자인.md | 25 - Design & Experience/사용자 경험 (UX).md | 25 - .../사용자 경험 디자인 (UX Design).md | 25 - ...사회 인지 이론(Social Cognitive Theory).md | 25 - .../상태 관리 최적화 (Zustand Valtio).md | 25 - .../상태 관리(State Management).md | 32 - ...e Machine) 모델링 및 Redux 액션_리듀서 설계.md | 34 - .../상태 모델링 (State Modeling).md | 34 - .../선언 병합(Declaration Merging).md | 33 - ...소프트웨어 시스템 설계 및 아키텍처 구축.md | 42 - ...간 데이터 대시보드 레이아웃 조절 시스템.md | 42 - Design & Experience/아보(Bobo) 인형 실험.md | 25 - Design & Experience/엔티티 (Entities).md | 40 - ...)] [행동 경제학] [교육 심리학의 행동주의 모델.md | 25 - .../의존성 규칙 (Dependency Rule).md | 40 - ...간 요인 공학 (Human Factors Engineering).md | 25 - Design & Experience/인지 부조화 이론.md | 25 - .../인지 부하 이론(Cognitive Load Theory).md | 25 - .../인지 심리학 (Cognitive Psychology).md | 25 - ... 평가 이론 (Cognitive Evaluation Theory).md | 25 - Design & Experience/인터페이스 (Interface).md | 30 - ... 분리 원칙 (Interface Segregation Principle).md | 35 - .../자기 효능감 (Self-Efficacy).md | 25 - .../자기 효능감(Self-Efficacy).md | 25 - .../자기조절학습(Self-Regulated Learning).md | 25 - .../재조정 (Reconciliation).md | 47 - Design & Experience/조직 시민 행동 (OCB).md | 25 - .../조직 행동론의 성과급 체계 분석.md | 25 - .../중독 의학 및 정신 병리학.md | 25 - Design & Experience/중독 재활 프로그램.md | 25 - ..._ - TypeScript 타입 시스템 (인터페이스 설계).md | 43 - .../치타 사람 이미지 프롬프트.md | 34 - ...포넌트 기반 웹 프레임워크 아키텍처 설계.md | 38 - .../클린 아키텍처 (Clean Architecture).md | 47 - .../클린 아키텍처(Clean Architecture).md | 48 - Design & Experience/클린 아키텍처.md | 47 - .../타입 가드 (Type Guards).md | 41 - Design & Experience/타입 별칭 (Type Alias).md | 42 - .../테스트 용이성 (Testability).md | 34 - .../프론트엔드 컴포넌트 구조화.md | 33 - .../프론트엔드 컴포넌트 설계.md | 44 - ...어 경험 디자인 (Player Experience Design).md | 25 - .../행동 치료 및 인지 행동 치료 (CBT).md | 25 - .../현대 웹 애플리케이션 설계.md | 34 - Design & Web Performance/Core Web Vitals.md | 31 - Design/Accessibility.md | 29 - Design/Cognitive_Load.md | 29 - Design/CrUX.md | 29 - Design/HCI.md | 29 - Design/Inclusive_Design.md | 29 - DevOps_Environment_Setup.md | 24 - Developer Productivity Tracking.md | 0 .../Algorithmic Mechanism Design.md | 25 - Economics & Algorithms/Auction Theory.md | 25 - Education & AI/Adaptive-Learning-Systems.md | 25 - Education/Adaptive_Learning.md | 29 - .../Quantitative Finance.md | 30 - .../Web Worker (웹 워커).md | 30 - Game Design & Math/Algorithmic Game Theory.md | 25 - Game Design/ARG-Alternate-Reality-Games.md | 25 - Game Design/Agency and Player Autonomy.md | 25 - ...ine (Full LootPlayer-Driven Production).md | 25 - Game Design/Arkane Studios.md | 25 - Game Design/Cyber-Physical Systems (CPS).md | 25 - Game Design/Elite-Athletic-Development.md | 25 - .../Post-Modernist Literature in Gaming.md | 25 - Game Design/Quantum-Game-Theory.md | 25 - .../Roguelike Procedural Generation.md | 25 - Game Design/Systems Biology.md | 25 - Game Design/인문학적 게임 비평 및 서사학.md | 25 - General Knowledge/2026-04-15.md | 25 - General Knowledge/Blog_Content_Rules.md | 25 - General Knowledge/Blog_Title_Rules.md | 25 - .../Brand-Identity-Management.md | 25 - .../Code Splitting Lazy Loading.md | 25 - General Knowledge/Description-Logics.md | 25 - General Knowledge/Dopamine Signaling.md | 25 - General Knowledge/Markov-Random-Fields.md | 25 - General Knowledge/Metaverse Aesthetics.md | 25 - .../Model-Free RL vs Model-Based RL.md | 25 - .../Motion-Capture-Retargeting.md | 25 - General Knowledge/Mycological Horror.md | 25 - .../OffscreenCanvas (멀티스레딩).md | 25 - General Knowledge/README.md | 25 - ...안 이슈와 Cross-Origin Isolation 설정법.md | 40 - General Knowledge/Variance-Rules.md | 25 - .../마크-스위프-컴팩트(Mark-Sweep-Compact).md | 40 - General Knowledge/무제.md | 25 - .../이벤트 포워딩(Event Forwarding).md | 25 - General Knowledge/환영합니다.md | 25 - .../3D Gaussian Splatting (3DGS).md | 37 - ...E (Almost Native Graphics Layer Engine).md | 33 - Graphics & Performance/ANGLE.md | 33 - .../Agency-Narrative Integration.md | 25 - Graphics & Performance/Alpha Blending.md | 32 - .../Apple-Human-Interface-Guidelines.md | 25 - .../Augmented Reality (AR).md | 25 - .../Augmented Reality Navigation Systems.md | 25 - .../Autonomous Vehicle Perception.md | 25 - Graphics & Performance/BIM 모델 렌더링.md | 43 - Graphics & Performance/BIM 모델 시뮬레이션.md | 37 - Graphics & Performance/BVH.md | 33 - Graphics & Performance/Babylonjs.md | 41 - ...chedMesh 및 InstancedMesh 성능 벤치마크.md | 43 - Graphics & Performance/BatchedMesh.md | 42 - Graphics & Performance/Batching.md | 38 - ...avioral Economics in Digital Ecosystems.md | 25 - .../Behavioral Economics.md | 25 - .../Bio-mechanical-Modeling.md | 25 - Graphics & Performance/Bioregionalism.md | 25 - .../Bounding Volume Hierarchy (BVH).md | 33 - Graphics & Performance/Buffer Allocation.md | 34 - Graphics & Performance/BufferAttribute.md | 33 - Graphics & Performance/BufferGeometry.md | 33 - Graphics & Performance/CPU Bottleneck.md | 33 - Graphics & Performance/CPU Overhead.md | 37 - .../Cel-Shading-Techniques.md | 25 - Graphics & Performance/Cellular Automata.md | 25 - Graphics & Performance/Cesium.md | 34 - Graphics & Performance/Chrome (Blink_Dawn).md | 32 - Graphics & Performance/Chrome WebGPU 구현.md | 37 - .../Chrome _ Blink WebGPU Implementation.md | 43 - Graphics & Performance/Chrome.md | 34 - .../Chromium WebGPU Implementation.md | 32 - .../Cognitive Load Theory.md | 25 - .../Cognitive-Load-Theory.md | 25 - .../Collaborative Learning Environments.md | 25 - .../Competitive Esports Ecosystems.md | 25 - Graphics & Performance/Complexity-Theory.md | 25 - .../Computational Ecology.md | 25 - .../Computational Geometry.md | 30 - Graphics & Performance/Compute Shader.md | 34 - Graphics & Performance/Compute Shaders.md | 34 - .../Computer-Vision-Synthesis.md | 25 - Graphics & Performance/Creative Process.md | 25 - Graphics & Performance/Critical-Play.md | 25 - .../Cultural-Heritage-Informatics.md | 25 - Graphics & Performance/CyArk.md | 25 - Graphics & Performance/Cybertext Theory.md | 25 - Graphics & Performance/DBpedia.md | 25 - Graphics & Performance/Data Array Textures.md | 33 - .../Digital Sandbox Theory.md | 25 - .../Digital Twin Visualization.md | 25 - Graphics & Performance/Direct3D.md | 32 - .../Drama-Management-Systems.md | 25 - Graphics & Performance/Draw Call.md | 39 - Graphics & Performance/Dual-Track-Agile.md | 25 - ...ication] [FinTech Engagement Strategies.md | 25 - Graphics & Performance/Dynamic Assessment.md | 25 - .../Dynamical Systems Theory.md | 25 - .../EXT_disjoint_timer_query.md | 30 - Graphics & Performance/Ecosystem-Modeling.md | 25 - .../EdTech (Gamified Learning).md | 25 - .../Educational-Gamification.md | 25 - .../Embodied Cognition in Virtual Reality.md | 25 - .../Employee Engagement Systems.md | 25 - .../Epidemiological Forecasting.md | 25 - .../Epidemiological Modeling.md | 25 - .../Expressjs-Type-Extensions.md | 25 - Graphics & Performance/FXAA.md | 30 - Graphics & Performance/Fill Rate.md | 32 - Graphics & Performance/Flow State Theory.md | 25 - Graphics & Performance/Formal-Grammar.md | 25 - .../Formalism-vs-Structuralism.md | 25 - .../Formalist Game Design.md | 25 - Graphics & Performance/Fragment Shading.md | 33 - Graphics & Performance/Fragment-bound.md | 35 - Graphics & Performance/Frustum Culling.md | 39 - Graphics & Performance/GPU Resources.md | 33 - .../GPU for the Web Community Group.md | 35 - .../GPU-driven Rendering.md | 32 - Graphics & Performance/GPURenderBundles.md | 32 - ...라인의 미세 지연(Micro-latency) 측정 사례.md | 48 - .../Game Studies (Academic Discipline).md | 25 - .../Game Theory (Economics).md | 25 - .../Game Theory and Market Equilibrium.md | 25 - Graphics & Performance/Game Theory.md | 25 - Graphics & Performance/Gamification-Design.md | 25 - Graphics & Performance/Garbage Collection.md | 33 - Graphics & Performance/Geometry Merging.md | 40 - .../Graph Theory in Level Design.md | 25 - ...ead-Mounted Display) 기반 엑서게임 환경.md | 33 - Graphics & Performance/HTML5 Canvas.md | 30 - .../High Resolution Time.md | 33 - .../Human-Centered Design.md | 25 - .../Human-Computer-Interaction-HCI.md | 25 - Graphics & Performance/IFCjs (Fragment).md | 42 - Graphics & Performance/ISO 9241 Standards.md | 25 - .../Immersive Educational Simulations.md | 25 - Graphics & Performance/Indirect Draw.md | 37 - .../InstancedMesh (드로우 콜 최적화).md | 33 - Graphics & Performance/InstancedMesh2.md | 40 - Graphics & Performance/Instancing.md | 37 - .../Instructional Systems Design (ISD).md | 25 - .../Instructional-Design.md | 25 - .../Interactive Storytelling.md | 25 - .../Interactive-Storytelling.md | 25 - .../Internet of Things (IoT) Telemetry.md | 25 - .../Intrinsic Motivation.md | 25 - Graphics & Performance/JavaScript.md | 32 - Graphics & Performance/Knowledge-Graphs.md | 25 - .../Looking-Glass-Studios.md | 25 - ...ot Box Regulation (EU_China Compliance).md | 25 - Graphics & Performance/Ludology.md | 25 - Graphics & Performance/MDA Framework.md | 25 - Graphics & Performance/MDA-Framework.md | 25 - .../Markov Decision Process (MDP).md | 25 - .../Markov Decision Processes.md | 25 - .../Mathematical Game Theory.md | 25 - Graphics & Performance/Measure Theory.md | 25 - ...Memory Leak Prevention 메모리 누수 방지.md | 49 - Graphics & Performance/Memory Leaks.md | 34 - Graphics & Performance/Memory Management.md | 34 - .../MeshStandardMaterial 조명 연산.md | 35 - .../Meta Quest_Horizon OS.md | 25 - Graphics & Performance/Metal.md | 33 - .../Metaverse Architecture.md | 25 - Graphics & Performance/Micro-latency.md | 30 - Graphics & Performance/Minecraft.md | 25 - .../Minecraft_ Education Edition.md | 25 - .../Mobile Gaming Monetization Strategies.md | 25 - .../Multi-threaded Architecture.md | 40 - ...ropulsion-Laboratory-Software-Standards.md | 25 - Graphics & Performance/NVIDIA Omniverse.md | 25 - .../Narrative-Branching-Models.md | 25 - Graphics & Performance/Narratology.md | 25 - Graphics & Performance/Needle Engine.md | 34 - Graphics & Performance/Object Pooling.md | 34 - .../OffscreenCanvas Safari 제약 사항.md | 35 - ...creenCanvas 기반 멀티스레드 렌더링 구현.md | 25 - Graphics & Performance/OffscreenCanvas.md | 39 - .../Open Metaverse Framework.md | 25 - .../Open-World Design Paradigms.md | 25 - Graphics & Performance/OpenGL ES 20.md | 32 - Graphics & Performance/OpenGL ES.md | 33 - Graphics & Performance/Opera.md | 33 - .../Operant Conditioning.md | 25 - Graphics & Performance/PBR.md | 37 - Graphics & Performance/Perlin Noise.md | 25 - .../Physics Engine Integration.md | 25 - Graphics & Performance/Positive Psychology.md | 25 - Graphics & Performance/Positive-Psychology.md | 25 - .../Post-Acute-Care-Models.md | 25 - Graphics & Performance/Post-humanism.md | 25 - .../Probabilistic-Graphical-Models.md | 25 - .../Problem-Solving-Theory.md | 25 - .../Procedural-Animation.md | 25 - .../R3F 3D 게임 환경의 메모리 관리.md | 25 - Graphics & Performance/RDF와 OWL.md | 25 - Graphics & Performance/Radix Sort.md | 33 - Graphics & Performance/Raycaster.md | 33 - Graphics & Performance/Raycasting.md | 43 - ...ompiler의 Threejs 런타임 성능 개선 원리.md | 37 - .../React Three Fiber (R3F).md | 33 - ... Fiber 자산 최적화 (Asset Optimization).md | 50 - ...e Fiber에서 Rapier 물리 엔진 최적화하기.md | 39 - .../React 기반 게임 엔진 아키텍처.md | 25 - ...React 동시성 기능 (Concurrent Features).md | 25 - .../Redux-Reducer-Pattern.md | 25 - Graphics & Performance/Revit glTF Export.md | 32 - Graphics & Performance/Revit 모델 렌더링.md | 34 - .../Robotics-Control-Systems.md | 25 - .../Role-Playing-Games (RPGs).md | 25 - Graphics & Performance/Rowhammer attack.md | 32 - Graphics & Performance/Rowhammer.md | 32 - Graphics & Performance/SLA-Definition.md | 25 - .../SaaS-Retention-Strategies.md | 25 - Graphics & Performance/Sandbox-Simulation.md | 25 - ...d Procedural Content Generation (SBPCG).md | 25 - ...ntic Versioning (SemVer) in Type Safety.md | 25 - .../Semantic-Web-Technologies.md | 25 - Graphics & Performance/Semantic-Web.md | 25 - Graphics & Performance/Semiotics in Media.md | 25 - Graphics & Performance/Sensor Fusion.md | 25 - .../Service-Dominant-Logic.md | 25 - Graphics & Performance/SharedArrayBuffer.md | 30 - .../Simulations of Social Systems.md | 25 - ...taneous Localization and Mapping (SLAM).md | 25 - Graphics & Performance/SkinnedMesh.md | 42 - ...d Protocol 기술 메뉴얼 및 개발자 가이드.md | 25 - .../Smart City Digital Twins.md | 25 - .../Smart-City-Frameworks.md | 25 - Graphics & Performance/Sorting.md | 42 - .../Spatial Partitioning.md | 33 - .../Special Education Interventions.md | 25 - .../Spectre and Meltdown.md | 40 - Graphics & Performance/Speculative Biology.md | 25 - Graphics & Performance/Spring Framework.md | 38 - Graphics & Performance/Structuralism.md | 25 - Graphics & Performance/Surgical-Robotics.md | 25 - .../Systemic-Design-Frameworks.md | 25 - Graphics & Performance/Systems Theory.md | 25 - Graphics & Performance/TLB design.md | 36 - .../TSL (Three Shader Language).md | 34 - Graphics & Performance/Temporal-Logic.md | 25 - Graphics & Performance/Texture Compression.md | 39 - Graphics & Performance/The Rapture Setting.md | 25 - .../The-Space-Syntax-Laboratory.md | 25 - .../Three Shader Language (TSL).md | 33 - .../Three.js 렌더링 최적화.md | 29 - .../Threejs WebGL Rendering Optimization.md | 51 - .../Threejs WebGPU 파티클 예제.md | 33 - ...Threejs 대규모 렌더링 최적화 파이프라인.md | 35 - .../Threejs 렌더링 성능 최적화.md | 46 - .../Threejs 렌더링 최적화.md | 34 - .../Threejs 모바일 렌더링 최적화.md | 49 - .../Threejs 자원 해제 (Dispose).md | 25 - Graphics & Performance/Threejs.md | 39 - .../Timestamp Quantization.md | 32 - .../Timestamp Queries Quantization.md | 32 - Graphics & Performance/Timestamp Queries.md | 39 - Graphics & Performance/Turtle-Graphics.md | 25 - Graphics & Performance/TypedArray.md | 32 - .../USD - Universal Scene Description.md | 25 - Graphics & Performance/UV Offset.md | 32 - .../UX Design Gamification.md | 25 - .../UX-Design-Architecture.md | 25 - Graphics & Performance/Unity.md | 44 - .../Urban-Resilience-Planning.md | 25 - Graphics & Performance/User-Story-Mapping.md | 25 - Graphics & Performance/Utsubo.md | 37 - Graphics & Performance/VIA-Classification.md | 25 - .../VR 엑서게임 (VR Exergaming).md | 33 - Graphics & Performance/Varying Variables.md | 33 - Graphics & Performance/Vertex Shader.md | 32 - .../Virtual Reality (VR) Storytelling.md | 25 - .../Voxel-based Rendering.md | 25 - Graphics & Performance/Vulkan.md | 35 - Graphics & Performance/WEBGL_multi_draw.md | 39 - Graphics & Performance/Waves of Connection.md | 30 - Graphics & Performance/WebAssembly.md | 34 - Graphics & Performance/WebGL 20.md | 33 - Graphics & Performance/WebGL API.md | 37 - Graphics & Performance/WebGL Optimization.md | 35 - .../WebGL 모바일 GPU 성능 관리.md | 39 - Graphics & Performance/WebGL.md | 35 - Graphics & Performance/WebGL2.md | 35 - .../WebGLRenderingContext.md | 32 - .../WebGPU Compute Shader.md | 33 - .../WebGPU Compute Shaders.md | 34 - .../WebGPU Performance Profiling.md | 40 - .../WebGPU Timestamp Queries.md | 30 - .../WebGPU _ WebGL Timing API Security.md | 33 - .../WebGPU 대규모 건설 뷰어.md | 35 - Graphics & Performance/WebGPU.md | 37 - ...inning Ways for your Mathematical Plays.md | 25 - Graphics & Performance/Wonderland Engine.md | 33 - Graphics & Performance/XState-Library.md | 25 - Graphics & Performance/instancedArray.md | 33 - Graphics & Performance/three-mesh-bvh.md | 33 - .../threejs Issue _30352.md | 30 - Graphics & Performance/가상현실(VR).md | 33 - .../고성능 3D WebGL 게임 렌더링 엔진.md | 25 - .../고성능 멀티스레드 React 앱 아키텍처.md | 42 - .../교육 심리학 및 교수법 설계.md | 25 - .../기업 문화 진단 및 개선.md | 25 - .../대규모 3D 건축 모델(BIM) 시각화.md | 33 - .../대규모 건설 뷰어(Construction Viewers).md | 32 - .../대규모 건축물 및 지형 뷰어(BIM).md | 33 - .../대규모 파티클 시스템 최적화.md | 39 - Graphics & Performance/마이크로 프론트엔드.md | 34 - .../만성 질환 행동 수정 개입.md | 25 - ...령형 직접 조작 (Imperative Manipulation).md | 25 - .../모바일 기반 WebGL 애플리케이션 개발.md | 47 - .../브라우저 그래픽 렌더링 백엔드.md | 30 - .../서비스 디자인 (Service Design).md | 25 - .../셰이더 정밀도 (Mediump_Highp).md | 32 - .../스토리지 텍스처(Storage Textures).md | 31 - .../실시간 렌더링 파이프라인.md | 30 - .../실시간 물리 및 유체 시뮬레이션.md | 33 - .../실시간 물리 시뮬레이션 동기화.md | 25 - .../웹 브라우저 그래픽 API 호환성.md | 33 - .../입자 시스템(Particle Systems).md | 33 - .../조직 행동론의 직무 몰입 연구.md | 25 - .../컴퓨트 셰이더(Compute Shaders).md | 42 - .../프래그먼트 바운드(Fragment-bound).md | 33 - .../프래그먼트 셰이딩(Fragment Shading).md | 39 - .../헤드 마운트 디스플레이(HMD).md | 32 - .../헤드마운트 디스플레이 (HMD).md | 33 - Graphics/3D_Gaussian_Splatting.md | 29 - Graphics/3D_Web_HMI.md | 29 - Graphics/Digital_Twin.md | 29 - Graphics/Predictive_Maintenance.md | 29 - Graphics/VPS_NeRF.md | 29 - .../ACL-Injury-Prevention-Protocols.md | 25 - Health & Science/Arthrokinematics.md | 25 - Health & Science/Athletic Peak Performance.md | 25 - Health & Science/Biomedical-Engineering.md | 29 - Health/ACL_Prevention.md | 29 - Infrastructure & Automation/Edge Computing.md | 33 - Memory & Systems/Allocation Timeline.md | 35 - .../Apple Vision Pro Ecosystem.md | 25 - Metaverse/Architecture.md | 29 - Metaverse/Spatial_Computing.md | 29 - Modern_Environment_Ecosystem.md | 26 - .../Aerospace Flight Simulation.md | 25 - Programming & Formal Methods/Type Theory.md | 30 - .../API 응답 및 에러 핸들링 아키텍처.md | 37 - .../AST (추상 구문 트리).md | 33 - .../AST(Abstract Syntax Tree).md | 37 - .../Abstract Syntax Tree (AST).md | 37 - .../Advanced-Design-Patterns-in-TypeScript.md | 25 - ...ne (Full Loot_Player-Driven Production).md | 25 - .../Algebraic-Data-Types-in-TypeScript.md | 25 - .../Allocation Timeline(할당 타임라인).md | 30 - Programming & Language/Ambient Contexts.md | 25 - .../Ambient Declarations.md | 25 - .../AppSec (애플리케이션 보안).md | 33 - .../Assignability-Relation.md | 25 - .../Athletic-Performance-Optimization.md | 25 - .../Authorship Attribution.md | 39 - .../Autotelic Personality.md | 25 - .../Autotelic-Personality.md | 25 - .../BM25 알고리즘 (Best Match 25).md | 25 - ...서게임 연구(Beat Saber Exergaming Study).md | 39 - Programming & Language/Beat Saber.md | 32 - ...게임 후유증 연구(VR Exergaming Aftereffects).md | 49 - .../Biomechanical-Analysis.md | 25 - Programming & Language/Biomechanics.md | 25 - Programming & Language/Black-box Testing.md | 30 - Programming & Language/Blink.md | 34 - Programming & Language/Branch Prediction.md | 33 - .../Branchless Security Checks.md | 39 - Programming & Language/Branded Types.md | 49 - .../Browser Security Mitigations.md | 42 - Programming & Language/CAD 렌더링 최적화.md | 35 - ...택 반응 시간 과제(CANTAB 5-choice RTI).md | 34 - Programming & Language/CI_CD Pipeline.md | 34 - .../CI_CD 파이프라인 (CI_CD Pipelines).md | 33 - .../CI_CD 파이프라인 자동화.md | 33 - .../CI_CD 파이프라인 통합 및 Git 훅(Hooks).md | 40 - Programming & Language/CI_CD 파이프라인.md | 33 - .../CST (구체 구문 트리).md | 37 - .../Cache Side-Channel Attack.md | 35 - Programming & Language/Cache miss rates.md | 33 - .../Causal Tracing (인과적 추적).md | 25 - Programming & Language/Cellular-Automata.md | 25 - Programming & Language/Chaos Theory.md | 25 - Programming & Language/Chaos-Theory.md | 25 - Programming & Language/Cheneys Algorithm.md | 40 - .../Chrome DevTools Memory Panel.md | 42 - .../Chrome DevTools(크롬 개발자 도구).md | 36 - .../Chrome V8 Heap Analysis.md | 45 - ...Chrome 렌더러 프로세스 V8 샌드박스 보안.md | 30 - Programming & Language/Chromium.md | 32 - Programming & Language/Clean as You Code.md | 30 - Programming & Language/Code Minification.md | 33 - Programming & Language/Code Obfuscation.md | 33 - ... Lazy Loading (코드 분할 및 지연 로딩).md | 42 - .../Code Stylometry (코드 문체론).md | 37 - Programming & Language/Codemod-Engineering.md | 25 - .../Complex Adaptive Systems.md | 25 - .../Complex-Adaptive-Systems.md | 25 - .../Concrete Syntax Tree (CST).md | 33 - Programming & Language/Conscientiousness.md | 25 - .../Continuous Integration (CI).md | 33 - .../Control-Flow-Analysis.md | 25 - .../Cosmos 플랫폼 (Netflix).md | 36 - .../Covariance-and-Contravariance.md | 25 - .../Cumulative Layout Shift (CLS).md | 42 - Programming & Language/Cybertext.md | 25 - .../Cypher 질의 언어 (Neo4j).md | 25 - .../DAST (동적 애플리케이션 보안 테스트).md | 33 - .../DOM 요소 조작 및 타입 좁히기.md | 43 - Programming & Language/DOM 요소 조작.md | 35 - Programming & Language/DeepReadonly.md | 32 - ...efinitelyTyped and Ambient Declarations.md | 25 - Programming & Language/Depth Pre-Pass.md | 35 - .../Description Logic (기술 논리).md | 25 - .../Deterministic Algorithms.md | 25 - .../Discriminated Unions.md | 40 - .../Disentanglement (개념 분리).md | 25 - .../Draw Call Optimization.md | 36 - .../Dublin Core Metadata Initiative.md | 25 - .../Dwarf Fortress (Simulation-heavy PCG).md | 25 - Programming & Language/Dwarf-Fortress.md | 25 - Programming & Language/ESLint.md | 40 - Programming & Language/Early-Z.md | 32 - Programming & Language/Edge Bleeding.md | 32 - .../Effect TS 및 ts-brand 라이브러리 활용.md | 38 - Programming & Language/Effect TS.md | 32 - .../Electron V8 Memory Cage.md | 34 - Programming & Language/Electron.md | 32 - .../Emergent Gameplay Theory.md | 25 - Programming & Language/Emergent Gameplay.md | 25 - Programming & Language/Emergent Systems.md | 25 - Programming & Language/Emergent-Gameplay.md | 25 - .../Entity Component System (ECS).md | 25 - .../Epigenetics of Neuroplasticity.md | 25 - .../Escape Hatch (탈출구).md | 32 - .../Excess Property Checking.md | 37 - Programming & Language/Exergaming.md | 33 - .../Facade Pattern (퍼사드 패턴).md | 40 - .../Feature Ablation (피처 제거).md | 25 - .../Federated SPARQL (연합 질의).md | 25 - Programming & Language/Figma.md | 34 - .../Finite-State-Machines-in-TypeScript.md | 25 - Programming & Language/Flame Chart.md | 32 - Programming & Language/Flow Theory.md | 25 - Programming & Language/Flow-Theory.md | 25 - Programming & Language/Fractal-Geometry.md | 25 - .../Function-Overloading.md | 25 - .../Function-Signature-Compatibility.md | 25 - Programming & Language/Fuzzing.md | 33 - Programming & Language/GC Root.md | 32 - .../GQL (Graph Query Language ISO 표준).md | 25 - .../Game Studies (Digital Media Theory).md | 25 - .../Game Studies (Ludology vs Narratology).md | 25 - Programming & Language/Game Studies.md | 25 - .../Garbage Collection (GC) 최적화.md | 33 - .../Garbage Collection (GC).md | 30 - .../Garbage Collection(가비지 컬렉션).md | 51 - .../Generational Hypothesis.md | 34 - Programming & Language/Git Hooks.md | 45 - ...t Hook을 이용한 CI_CD 자동화 파이프라인.md | 41 - ...mmit 훅을 활용한 개발 워크플로우 자동화.md | 34 - .../Global Network Positioning (GNP).md | 34 - Programming & Language/Google Chrome.md | 40 - .../Google Code Jam Dataset.md | 39 - Programming & Language/Google Lighthouse.md | 32 - Programming & Language/Graph-Grammars.md | 25 - .../Grokking (그로킹 지연 일반화).md | 25 - ...리즘 (Hierarchical Navigable Small World).md | 25 - Programming & Language/HTC Vive Pro HMD.md | 32 - Programming & Language/Heap Snapshot.md | 42 - Programming & Language/Husky lint-staged.md | 30 - Programming & Language/Husky.md | 36 - Programming & Language/IBM 가비지 컬렉션.md | 42 - Programming & Language/IFCjs.md | 36 - Programming & Language/Immersive Sim Genre.md | 25 - Programming & Language/Incremental Marking.md | 40 - Programming & Language/Index Masking.md | 32 - .../Industry 40_Smart Manufacturing.md | 25 - .../InstancedMesh Performance Bottlenecks.md | 46 - .../InstancedMesh 동적 버퍼 확장.md | 37 - ... 시 드로우 콜 최적화의 한계점 사례 연구.md | 46 - .../InstancedMesh 최적화.md | 46 - Programming & Language/InstancedMesh.md | 38 - .../Integrated Gradients (통합 그래디언트).md | 25 - .../Interactive Fiction (IF).md | 25 - .../Interactive Narrative.md | 25 - .../Interactive-Fiction-Tradition.md | 25 - Programming & Language/Interop 2025.md | 32 - .../Intrinsic-Motivation.md | 25 - .../Inventory Management Example.md | 32 - Programming & Language/Isovist-Analysis.md | 25 - Programming & Language/JPEG XL.md | 41 - .../Jacobian-Matrix-Analysis.md | 25 - ...모리 관리(JavaScript Memory Management).md | 48 - Programming & Language/JavaScriptCore.md | 33 - Programming & Language/Joern.md | 33 - Programming & Language/Kinematics.md | 25 - Programming & Language/L-Systems.md | 25 - .../L-systems in Biology.md | 25 - ...abeled Property Graph (LPG 속성 그래프).md | 25 - Programming & Language/Latiotech Report.md | 35 - Programming & Language/Lighthouse.md | 30 - .../Linked Open Data (LOD).md | 25 - .../Live Streaming Monetization.md | 25 - .../Logit Lens (로짓 렌즈).md | 25 - .../Long-Term Potentiation (LTP).md | 25 - .../Looking Glass Studios.md | 25 - .../Ludology vs Narratology Debate.md | 25 - .../Ludology vs Narratology.md | 25 - .../Ludonarrative Dissonance.md | 25 - .../Ludonarrative Resonance.md | 25 - Programming & Language/MMORPG Ecosystems.md | 25 - .../MVC (Model-View-Controller).md | 41 - Programming & Language/Major GC.md | 42 - .../Mark-Sweep-Compact 알고리즘.md | 35 - .../Mark-Sweep-Compact(메이저 GC).md | 47 - Programming & Language/Mark-Sweep-Compact.md | 41 - Programming & Language/Mark-Sweep.md | 44 - Programming & Language/Mechanobiology.md | 25 - Programming & Language/Meltdown.md | 30 - .../Memory Leak(메모리 누수).md | 32 - Programming & Language/Memory Leak.md | 30 - .../Mesa-Optimization (메사 최적화).md | 25 - .../Microsoft Edge DevTools.md | 37 - Programming & Language/Model-Checking.md | 25 - ...Monorepo(Turborepo 등) 환경의 린트 관리.md | 40 - Programming & Language/Monorepo.md | 33 - Programming & Language/Multi-Agent-Systems.md | 25 - Programming & Language/NPM Ecosystem.md | 25 - .../Netflix 마이크로서비스 전환.md | 41 - .../Network Coordinate Systems.md | 45 - Programming & Language/Network Science.md | 25 - Programming & Language/New Media Theory.md | 25 - .../New Space(Young Generation).md | 40 - Programming & Language/New Space.md | 30 - .../Nodejs Memory Management.md | 49 - .../Nodejs Memory Tuning.md | 45 - .../Nodejs Production Monitoring.md | 38 - .../Nodejs 메모리 최적화.md | 49 - Programming & Language/Nodejs 메모리 튜닝.md | 52 - Programming & Language/Nodejs 성능 디버깅.md | 48 - .../Nodejs 성능 최적화 및 디버깅.md | 42 - ...Nodejs 프로세스 모니터링 및 메모리 분석.md | 52 - Programming & Language/Nodejs.md | 34 - Programming & Language/Nominal-Subtyping.md | 25 - Programming & Language/Nominal-Typing.md | 25 - .../Non-null Assertion Operator.md | 32 - ...NotebookLM-Automated-Authentication-CLI.md | 34 - .../Object Pooling (오브젝트 풀링).md | 46 - .../Objective Distillation (목표 증류).md | 25 - Programming & Language/Occlusion Culling.md | 30 - ...eb Worker를 활용한 메인 스레드 병목 해결.md | 42 - Programming & Language/Oilpan.md | 33 - .../Old Space (구 세대 공간).md | 40 - .../Old Space(Old Generation).md | 39 - Programming & Language/Old Space.md | 36 - Programming & Language/Opaque Types.md | 30 - .../Operations-Management.md | 25 - .../Organizational Behavior.md | 25 - .../Organizational-Behavior.md | 25 - .../Organizational-Psychology.md | 25 - Programming & Language/Orinoco GC.md | 30 - .../Orinoco 가비지 컬렉터.md | 42 - Programming & Language/Orinoco 프로젝트.md | 34 - .../Orinoco(V8 GC 프로젝트).md | 30 - Programming & Language/Orinoco.md | 33 - Programming & Language/Overdraw.md | 37 - .../Page Experience Algorithm.md | 33 - .../PageRank (페이지랭크 알고리즘).md | 25 - ...rs Please (Mechanics as Moral Argument).md | 25 - Programming & Language/Parse dont validate.md | 33 - Programming & Language/Performance Panel.md | 46 - Programming & Language/Pointer Compression.md | 40 - Programming & Language/Pointer Poisoning.md | 33 - .../Post-Apocalyptic Fiction.md | 25 - .../Post-Surgical-Orthopedic-Recovery.md | 25 - Programming & Language/Prettier.md | 39 - Programming & Language/Procedural-Rhetoric.md | 25 - Programming & Language/Proprioception.md | 25 - .../RDF-star (RDF 확장 사양).md | 25 - .../RRF (Reciprocal Rank Fusion).md | 25 - .../Reachability Analysis.md | 36 - Programming & Language/React 19 Compiler.md | 36 - .../React 게임 엔진 아키텍처.md | 25 - .../React 및 Nextjs 개발 환경.md | 39 - .../React 재조정 (Reconciliation) 최적화.md | 51 - .../React 컴포넌트 Props 전달 및 상태 관리.md | 43 - Programming & Language/Readonly Type.md | 39 - .../Readonly 유틸리티 타입.md | 42 - .../Real User Monitoring (RUM).md | 41 - Programming & Language/Render State.md | 35 - Programming & Language/Result Type.md | 32 - .../Reward Shaping (보상 설계).md | 25 - .../Robotic-Manipulator-Dynamics.md | 25 - .../Robust-GitHub-Sync-Pipeline.md | 36 - .../Runtime-Type-Validation.md | 25 - .../SCA (소프트웨어 구성 분석).md | 33 - .../SOLID 원칙 (SOLID Principles).md | 46 - Programming & Language/SOLID 원칙.md | 40 - .../SPA 라우트 전환 성능 최적화.md | 36 - .../SPARQL (RDF 그래프 질의 언어).md | 25 - .../SaaS-Product-Management.md | 25 - ...mulations (eg Minecraft Dwarf Fortress).md | 25 - Programming & Language/Santa Fe Institute.md | 25 - .../Satisfiability-Problem-(SAT).md | 25 - Programming & Language/Satisfies Operator.md | 38 - Programming & Language/Scavenge.md | 33 - Programming & Language/Scavenger 알고리즘.md | 34 - Programming & Language/Scavenger(Minor GC).md | 30 - .../Scavenger(마이너 GC).md | 37 - Programming & Language/Scheduler API.md | 32 - .../Schema-Driven-Development.md | 25 - Programming & Language/Schemaorg.md | 25 - .../Sensorimotor-Integration.md | 25 - Programming & Language/Server Architecture.md | 30 - ...redArrayBuffer vs postMessage 성능 차이.md | 49 - .../SharedArrayBuffer 동시성 문제 해결법.md | 38 - ...ffer 보안 이슈와 Cross-Origin Isolation.md | 40 - ...yBuffer 보안을 위한 COOP COEP 헤더 설정.md | 40 - ...위한 Cross-Origin Isolation 서버 헤더 설정.md | 43 - ...fer로 스레드 간 메모리 공유 효율 높이기.md | 37 - ...aredArrayBuffer와 Atomics 구체적 활용법.md | 72 -- Programming & Language/Side-channel Attack.md | 33 - .../Side-channel attacks.md | 38 - Programming & Language/Signal Processing.md | 25 - Programming & Language/Simulation Theory.md | 25 - .../Single Page Applications (SPA).md | 33 - ...col 개발자 확장 가이드 및 아키텍처 리뷰.md | 25 - ...col 시스템 아키텍처 및 데이터 흐름 분석.md | 25 - Programming & Language/Spatial-Syntax.md | 25 - Programming & Language/Spectre.md | 33 - .../Speculative Execution.md | 33 - .../Static-Type-Inference.md | 25 - .../Statistical Mechanics.md | 25 - Programming & Language/Stop-the-world.md | 43 - Programming & Language/Structural Typing.md | 43 - Programming & Language/StyleCounsel.md | 39 - Programming & Language/Submodules.md | 34 - Programming & Language/Synthetic Testing.md | 36 - Programming & Language/System Dynamics.md | 25 - Programming & Language/Systems Dynamics.md | 25 - Programming & Language/TeamCity.md | 33 - Programming & Language/Texture Atlas.md | 40 - .../Throttling Debouncing.md | 37 - Programming & Language/Timing Attack.md | 35 - .../Timing Attacks (Spectre_Meltdown).md | 30 - Programming & Language/Timing Attacks.md | 33 - .../To-Space와 From-Space.md | 37 - ...반 외부 연동사 플러그인 개발 생태계 구축.md | 34 - .../Toss Front SDK의 Facade 패턴 적용 사례.md | 43 - ...사드(Facade) 패턴 설계와 인터페이스 전략.md | 30 - .../Turborepo 기반 모노레포 워크플로우.md | 34 - Programming & Language/Turborepo 환경 구성.md | 34 - Programming & Language/Turborepo.md | 32 - ... 다중 애플리케이션 및 라이브러리 통합 관리.md | 40 - Programming & Language/Type Casting.md | 33 - Programming & Language/Type Inference.md | 25 - Programming & Language/Type Narrowing.md | 43 - Programming & Language/Type Predicates.md | 25 - Programming & Language/Type-Assertion.md | 25 - Programming & Language/Type-Erasure.md | 25 - .../Type-Inference-Algorithms.md | 25 - .../Type-Narrowing-Mechanisms.md | 25 - ...ype-Narrowing-and-Control-Flow-Analysis.md | 25 - .../Type-Narrowing-and-Guards.md | 25 - Programming & Language/Type-Predicates.md | 25 - ...Error Handling Exhaustiveness Checking.md | 33 - Programming & Language/TypeScript 49.md | 33 - .../TypeScript API Development.md | 43 - .../TypeScript Advanced Type System.md | 35 - ...eScript Utility Types (Record Readonly).md | 40 - ...pt 타입 시스템 (TypeScript Type System).md | 34 - ...ypeScript 타입 시스템 (인터페이스 설계).md | 25 - ...peScript 타입 시스템 및 인터페이스 설계.md | 43 - ... 시스템 아키텍처 및 도메인 기반 설계(DDD).md | 46 - ...템을 활용한 내부 로직 보호 및 데이터 검증.md | 43 - .../TypeScript-Language-Service.md | 25 - ...ript의 제어 흐름 분석 및 상태 관리 패턴.md | 43 - .../UNESCO-Memory-of-the-World.md | 25 - Programming & Language/Union Types.md | 34 - .../Urban Planning Simulation.md | 25 - .../V8 Engine Heap Management.md | 44 - Programming & Language/V8 Engine.md | 45 - .../V8 Heap Architecture.md | 47 - ...ipt Engine 메모리 관리 및 가비지 컬렉션.md | 30 - .../V8 JavaScript Engine.md | 38 - Programming & Language/V8 JavaScript 엔진.md | 46 - Programming & Language/V8 Memory Cage.md | 30 - .../V8 가비지 컬렉션(Garbage Collection).md | 49 - .../V8 메모리 케이지(V8 Memory Cage).md | 36 - Programming & Language/V8 엔진 (V8 Engine).md | 45 - Programming & Language/V8 엔진 메모리 구조.md | 30 - .../V8 엔진 힙 아키텍처 및 로그 분석.md | 45 - ... 힙 아키텍처(V8 Engine Heap Architecture).md | 30 - Programming & Language/V8 엔진 힙 아키텍처.md | 47 - Programming & Language/V8 엔진(V8 Engine).md | 35 - ... 메모리 관리 아키텍처 및 Orinoco 프로젝트.md | 47 - .../V8 자바스크립트 엔진.md | 46 - .../V8 힙 공간(V8 Heap Spaces).md | 54 - Programming & Language/V8 힙(Heap).md | 45 - Programming & Language/VR Sickness.md | 33 - .../VR 멀미 (VR Sickness).md | 35 - .../VR 멀미(VR sickness).md | 42 - .../Variable Ratio Reinforcement.md | 25 - .../Variance-Covariance-and-Contravariance.md | 25 - .../Variance-in-TypeScript.md | 25 - .../Vergence-Accommodation Conflicts.md | 33 - ...제 고부하 병렬 처리 구현체 (실패_성공 포함).md | 30 - Programming & Language/Web3 Infrastructure.md | 25 - .../WebKit Security Mitigations.md | 37 - Programming & Language/WebKit.md | 36 - Programming & Language/Write Barrier.md | 32 - .../Zod 런타임 유효성 검사 통합.md | 37 - ... 브랜디드 타입을 결합한 런타임 데이터 검증.md | 34 - Programming & Language/Zod.md | 33 - .../Zod를 활용한 런타임 데이터 파싱.md | 40 - .../Zustand-Based-Mission-Persistence.md | 37 - Programming & Language/as const Assertion.md | 32 - Programming & Language/as const.md | 40 - ...ffer를 결합한 멀티스레드 고성능 아키텍처.md | 40 - ...CS와 SharedArrayBuffer의 실제 코드 통합.md | 73 -- .../eslint-config-prettier.md | 43 - .../eslint-plugin-prettier.md | 38 - Programming & Language/lint-staged.md | 43 - .../never 타입(never type).md | 34 - Programming & Language/never 타입.md | 33 - Programming & Language/readonly 수식어.md | 44 - Programming & Language/readonly.md | 45 - Programming & Language/satisfies Keyword.md | 35 - Programming & Language/satisfies 연산자.md | 35 - Programming & Language/ts-brand.md | 32 - Programming & Language/ts-pattern.md | 32 - .../useEffect 클린업(Cleanup).md | 35 - .../가비지 컬렉션 (Garbage Collection).md | 46 - .../가비지 컬렉션(Garbage Collection).md | 30 - .../가비지 컬렉터(Garbage Collector).md | 42 - .../가상현실 멀미 (VR Sickness).md | 36 - .../가상현실 멀미(VR Sickness).md | 40 - ...효과 연구(Virtual Reality Aftereffects Study).md | 33 - ... 후유증 연구(VR Exergaming Aftereffects Study).md | 38 - ...(Virtual reality exergaming aftereffects research).md | 34 - ...상현실 엑서게임(Exergaming) 후유증 연구.md | 30 - ...실 후유증 (Virtual Reality Aftereffects).md | 40 - .../가상현실 후유증(VR Aftereffects).md | 40 - ...게임 인지 사후 효과 분석(CANTAB 5-choice RTI).md | 34 - .../가상현실(VR) 자전거 시뮬레이터.md | 36 - .../감각 통합(Sensory integration).md | 33 - Programming & Language/강화 계획.md | 25 - ...화 학습(Reinforcement Learning) 알고리즘.md | 25 - Programming & Language/개발자 경험(DX).md | 34 - .../객체 지향 소프트웨어 아키텍처 설계.md | 33 - .../객체 지향 프로그래밍 (OOP).md | 33 - ... 프로그래밍 (Object-Oriented Programming).md | 33 - .../객체 지향 프로그래밍(OOP).md | 33 - Programming & Language/건강 심리학.md | 25 - Programming & Language/건강 행동 변화 모델.md | 25 - .../게임 디자인 이론 및 구조론.md | 25 - ...임 디자인의 보상 루프(Reward Loop) 설계.md | 25 - Programming & Language/게임 루프 설계.md | 25 - Programming & Language/게임 행동 심리학.md | 25 - ...학(Ludology) vs 서사학(Narratology) 논쟁.md | 25 - .../견고한 도메인 모델 및 API 계약 설계.md | 35 - .../결정 속도(Decision Speed).md | 30 - Programming & Language/결합도 (Coupling).md | 46 - .../경고 피로 (Alert Fatigue).md | 38 - .../계층화 아키텍처 (Layered Architecture).md | 38 - Programming & Language/고전적 조건 형성.md | 25 - .../공존 질환 (Comorbidity).md | 25 - ...잉 속성 체크 (Excess Property Checking).md | 33 - Programming & Language/과잉 속성 체크(EPC).md | 40 - ...잉 속성 체크(Excess Property Checking).md | 32 - ... 정당화 효과 (Overjustification Effect).md | 25 - ...심사의 분리 (Separation of Concerns SoC).md | 43 - .../관심사의 분리 (Separation of Concerns).md | 45 - Programming & Language/관심사의 분리 (SoC).md | 45 - .../관심사의 분리(Separation of Concerns).md | 43 - Programming & Language/관심사의 분리(SoC).md | 44 - .../관점 지향 프로그래밍 (AOP).md | 39 - .../관점 지향 프로그래밍(AOP).md | 45 - .../광범위한 신경과학적 연합 기제.md | 25 - .../교육 심리학에서의 학습 동기 유도.md | 25 - .../교육 심리학에서의 학습 동기 유발.md | 25 - .../교집합 타입 (Intersection Types).md | 33 - .../교집합 타입(Intersection Type).md | 44 - .../구조적 타이핑 (Structural Typing).md | 41 - .../구조적 타이핑(Structural Typing).md | 43 - Programming & Language/구조적 타이핑.md | 32 - ...본 타입에의 집착 (Primitive Obsession).md | 41 - ...기본 타입에의 집착(Primitive Obsession).md | 37 - .../깊이 지각 (Depth Perception).md | 32 - .../깊이 지각(Depth perception).md | 34 - .../내재적 동기 (Intrinsic Motivation).md | 25 - .../내재적 동기 vs 외재적 동기.md | 25 - .../네버 타입 (never type).md | 43 - ...릭스 (Netflix) 마이크로서비스 도입 사례.md | 30 - ...딩 파이프라인 (Netflix Video Encoding Pipeline).md | 41 - ... 코스모스 플랫폼 (Netflix Cosmos Platform).md | 40 - ...플릭스 코스모스 플랫폼 (Netflix Cosmos).md | 39 - ...x)의 마이크로서비스 및 코스모스 플랫폼 전환.md | 46 - ...의 코스모스 플랫폼 및 마이크로서비스 전환.md | 44 - .../뇌 가소성 (Neuroplasticity).md | 25 - ...절 충돌(Vergence-accommodation conflicts).md | 33 - .../느슨한 결합 (Loose Coupling).md | 42 - .../단일 책임 원칙 (SRP).md | 34 - ...임 원칙 (Single Responsibility Principle).md | 42 - Programming & Language/단일 책임 원칙(SRP).md | 36 - ...모 TypeScript 애플리케이션 아키텍처 설계.md | 41 - ... TypeScript 프로젝트의 컴파일 성능 최적화.md | 32 - .../대규모 데이터 렌더링 및 가상화 최적화.md | 49 - .../대규모 로그 뷰어 및 데이터 테이블 구현.md | 25 - ...포(Turborepo) 환경에서의 린트 오케스트레이션.md | 34 - .../대규모 애플리케이션 개발.md | 46 - .../대규모 웹 그래픽스 프로젝트.md | 44 - ... 애플리케이션의 조직 및 기술적 확장성 확보.md | 42 - .../대규모 인스턴스 렌더링 및 투명도 처리.md | 30 - .../덕 타이핑 (Duck Typing).md | 30 - .../덕 타이핑(Duck Typing).md | 32 - ... (DevSecOps) 환경에서의 지속적인 보안 검사.md | 43 - .../데이터 거버넌스 (Data Governance).md | 37 - ...달 가능성 분석 (Reachability Analysis).md | 36 - ...메인 기반 설계 (DDD) 및 데이터 오염 방지.md | 40 - .../도메인 기반 설계 (DDD).md | 33 - .../도메인 기반 설계(DDD).md | 34 - .../도메인 기반 설계(DDD)의 데이터 검증.md | 32 - .../도메인 기반 설계(DDD)의 식별자 분리.md | 37 - ...기강화 상담(Motivational Interviewing).md | 25 - ...진적 마킹(Concurrent Incremental Marking).md | 40 - .../동작 속도(Movement Speed).md | 32 - .../동적 애플리케이션 보안 테스트(DAST).md | 33 - .../디지털 미학(Digital Aesthetics).md | 25 - .../라이브러리 및 확장 가능한 코드베이스.md | 34 - .../런타임 상태 검증(Runtime Validation).md | 33 - ...내러티브 부조화(Ludonarrative Dissonance).md | 25 - Programming & Language/리로디드(Reloaded).md | 32 - .../리터럴 타입 (Literal Types).md | 38 - Programming & Language/린터 (Linter).md | 37 - .../마이너 가비지 컬렉션(Minor GC).md | 41 - .../마이크로서비스 아키텍처 (MSA).md | 53 - .../마이크로서비스 아키텍처.md | 44 - .../마크-스위프(Mark-Sweep).md | 30 - .../마크-스윕(Mark-Sweep).md | 36 - .../마크-컴팩트(Mark-Compact).md | 40 - ... 디스플레이(HMD) 환경의 시각적 후유증 연구.md | 32 - .../머리 착용 디스플레이(HMD) 시각 연구.md | 34 - .../메모리 누수(Memory Leak).md | 30 - .../메모리 누수(Memory Leaks).md | 41 - .../메모리 단편화(Fragmentation).md | 35 - ... 파편화 방지 및 객체 풀링 (Object Pooling).md | 25 - .../명목적 타이핑 (Nominal Typing).md | 37 - .../명목적 타이핑(Nominal Typing).md | 33 - .../모노레포(Monorepo) 기반 구성 중앙화.md | 38 - .../모노레포(Monorepo) 설정 중앙화.md | 46 - .../모노레포(Monorepo) 아키텍처 설정.md | 42 - ...리식 아키텍처 (Monolithic Architecture).md | 33 - .../모듈러 통합 건설 (MiC).md | 34 - .../모듈화 및 아키텍처 경계 설정.md | 40 - Programming & Language/몰입 (Flow Theory).md | 25 - .../미디어 폭력과 공격성 연구.md | 25 - .../반응 시간(Reaction Time).md | 32 - ...(Data Transformation between Backend and Frontend).md | 34 - .../번아웃 및 직무 스트레스.md | 25 - .../범이론적 모델(Transtheoretical Model).md | 25 - ...상 예측 오류 (Reward Prediction Error).md | 25 - .../보조 공학 (Assistive Technology).md | 25 - ...즈니스 도메인 (금융 헬스케어 이커머스 등).md | 40 - .../불변성 (Immutability).md | 43 - .../불변성(Immutability).md | 39 - .../불필요한 리렌더링 방지.md | 46 - ...브라우저 DOM 누수 탐지 및 렌더링 최적화.md | 44 - .../브라우저 메모리 관리 및 최적화.md | 40 - ... 메모리 할당 시점별 힙(Heap) 동작 상세 로그.md | 40 - .../브라우저 및 Nodejs 메모리 튜닝.md | 40 - .../브랜디드 타입 (Branded Types).md | 46 - .../브랜디드 타입(Branded Types).md | 48 - Programming & Language/브랜디드 타입.md | 39 - ... 후유증 평가(Beat Saber Exergaming Aftereffects).md | 33 - ...트 세이버(Beat Saber) VR 엑서게임 연구.md | 43 - .../비트 세이버(Beat Saber) 실험.md | 34 - .../비트 세이버(Beat Saber) 엑서게임 연구.md | 34 - .../비트 세이버(Beat Saber).md | 32 - ...Beat Saber_ An Investigation of Virtual Reality Aftereffects).md | 33 - Programming & Language/사회 학습 이론.md | 25 - Programming & Language/사회학습이론.md | 25 - ...링(State Management and API Response Modeling).md | 34 - .../상태 머신(State Machine) 설계.md | 33 - .../새로운 공간(New Space).md | 30 - Programming & Language/생물학적 학습 이론.md | 25 - .../서드파티 라이브러리 및 API 연동.md | 40 - .../서버리스 컴퓨팅(Serverless Computing).md | 33 - .../선언 병합 (Declaration Merging).md | 30 - Programming & Language/선언 파일(dts).md | 35 - ...블 설계(Configuration Objects and Lookup Tables).md | 42 - .../성장 마인드셋 (Growth Mindset).md | 25 - .../성장 마인드셋(Growth Mindset).md | 25 - .../세대 가설(Generational Hypothesis).md | 41 - .../세대별 가설(Generational Hypothesis).md | 35 - .../소프트웨어 구성 분석(SCA).md | 33 - .../소프트웨어 아키텍처 베스트 프랙티스.md | 43 - .../소프트웨어 아키텍처 설계.md | 41 - .../수동 코드 리뷰 (Manual Code Review).md | 55 - Programming & Language/수동 코드 리뷰.md | 43 - ...절 불일치(Vergence-Accommodation Conflict).md | 33 - .../순차적 게이트 아키텍처.md | 30 - .../스캐빈저(Scavenger) _ 마이너 GC.md | 34 - .../스택 트레이스(Stack trace).md | 33 - ...랭글러 피그 패턴(Strangler Fig Pattern).md | 34 - .../스파게티 코드 (Spaghetti Code).md | 32 - ...티파이 자율적 분대 모델 (Spotify Squad).md | 33 - ...크로 프론트엔드 (Spotify Squads and Micro Frontends).md | 42 - .../스포티파이 자율적 분대 모델.md | 32 - ...y)의 스쿼드 모델 및 마이크로 프론트엔드 도입.md | 44 - Programming & Language/습관 교정 프로그램.md | 25 - .../시각 및 인지적 후유증 연구.md | 40 - ...-전정 갈등 (Visual-Vestibular Conflict).md | 31 - ...정 감각 충돌(Visual-Vestibular Conflict).md | 32 - ...각-전정 충돌(Visual-vestibular conflict).md | 33 - .../시맨틱 웹 (Semantic Web).md | 25 - .../시스템 다이내믹스 (System Dynamics).md | 25 - .../시프트 레프트 (Shift-Left).md | 32 - .../시프트 레프트(Shift-Left).md | 33 - ...별 가능한 유니온 (Discriminated Unions).md | 33 - ...별 가능한 유니온(Discriminated Unions).md | 30 - Programming & Language/식별 가능한 유니온.md | 33 - .../신경 가소성 (Neuroplasticity).md | 25 - Programming & Language/실재감(Presence).md | 33 - .../심리적 계약 (Psychological Contract).md | 25 - .../심리적 안전감 (Psychological Safety).md | 25 - .../쓰기 장벽(Write Barrier).md | 37 - .../안구 운동 기능 (Oculomotor Functions).md | 33 - .../안구 운동 기능(Oculomotor functions).md | 41 - .../안구 운동 증상(Oculomotor Symptoms).md | 33 - ...TypeScript 데이터 모델링 및 설정 관리 구축.md | 40 - .../안전한 소프트웨어 개발 수명주기(SSDLC).md | 33 - ...수 없는 외부 데이터 검증 (unknown types).md | 37 - .../애자일 방법론 (Agile Methodology).md | 25 - .../약한 타입 검사(Weak Type Detection).md | 32 - .../약한 타입 탐지 (Weak Type Detection).md | 32 - .../양가감정(Ambivalence).md | 25 - .../에르고딕 문학(Ergodic Literature).md | 25 - .../에일리어싱 (Aliasing).md | 37 - .../엑서게임(Exergaming).md | 35 - .../엔터프라이즈 소프트웨어 개발.md | 43 - .../엔터프라이즈 소프트웨어 시스템 설계.md | 48 - ...프라이즈 애플리케이션 및 점진적 리팩토링.md | 33 - .../엔터프라이즈 애플리케이션 설계.md | 45 - .../오래된 공간(Old Space).md | 34 - .../오리노코(Orinoco GC).md | 35 - .../오리노코(Orinoco) 프로젝트.md | 35 - .../오버드로우(Overdraw).md | 32 - .../오탐 (False Positive).md | 37 - ...픈소스 컴포넌트 (Open Source Components).md | 34 - .../완전성 검사 (Exhaustiveness Checking).md | 33 - .../완전성 검사(Exhaustiveness Checking).md | 33 - .../외부 API 데이터 및 설정 파일 처리.md | 35 - .../외부 API 데이터의 런타임 검증 후 처리.md | 33 - .../외부 라이브러리 API 설계.md | 40 - .../웹 애플리케이션의 3계층 구조.md | 50 - .../웹 워커 이벤트 포워딩 Event Forwarding.md | 69 - ...워커 이벤트 포워딩 통신 지연 최소화 방법.md | 37 - .../웹 프론트엔드 성능 최적화.md | 37 - ... 통합 이론 (Organismic Integration Theory).md | 25 - .../유능감 및 자율성 욕구.md | 25 - .../유니언 타입 식별 및 상태 분기 처리.md | 40 - .../유니온 타입 (Union Types).md | 30 - .../유니온 타입(Union Types).md | 39 - .../유스케이스 (Use Cases).md | 33 - Programming & Language/응집도 (Cohesion).md | 43 - ...응집도와 결합도 (Cohesion and Coupling).md | 46 - Programming & Language/응집도와 결합도.md | 42 - .../의사결정 속도(Decision Speed).md | 35 - .../의존성 역전 (Dependency Inversion).md | 33 - .../의존성 역전 원칙 (DIP).md | 37 - ... 원칙 (Dependency Inversion Principle DIP).md | 35 - ...역전 원칙 (Dependency Inversion Principle).md | 39 - Programming & Language/의존성 주입 (DI).md | 40 - .../의존성 주입 (Dependency Injection).md | 38 - Programming & Language/의존성 주입(DI).md | 37 - .../이동 속도(Movement Speed).md | 34 - ... 기반 아키텍처 (Event-Driven Architecture).md | 40 - .../이전 세대(Old Generation_Space).md | 45 - .../이커머스의 실시간 재고 관리.md | 34 - .../인문학적 게임 비평 및 서사학12.md | 25 - Programming & Language/임베딩 (Embedding).md | 25 - .../임상 심리학의 변화 동기 치료.md | 25 - .../자기결정성 이론 (SDT).md | 25 - ...결정성 이론 (Self-Determination Theory).md | 25 - Programming & Language/자동화된 코드 리뷰.md | 47 - Programming & Language/자바 가상 머신(JVM).md | 33 - .../자율성 지지 (Autonomy Support).md | 25 - .../자폐 스펙트럼 장애(ASD) 중재.md | 25 - ... 실행되는 실시간 데이터 대시보드 최적화.md | 48 - .../재귀적 불변성 (DeepReadonly).md | 33 - .../전두엽 기능 저하 (Hypofrontality).md | 25 - .../절차적 수사학(Procedural Rhetoric).md | 25 - .../점진적 마킹(Incremental marking).md | 40 - ... 조건 형성 (Emotional Classical Conditioning).md | 25 - .../정신 의학적 진단 체계 (DSM-5_ICD-11).md | 25 - .../정적 분석(Static Analysis).md | 46 - .../제어 흐름 분석 (Control Flow Analysis).md | 32 - ...조작적 조건 형성 (Operant Conditioning).md | 25 - Programming & Language/조작적 조건 형성.md | 25 - Programming & Language/조작적 조건형성.md | 25 - ... 불일치 (Vergence-Accommodation Conflict).md | 32 - ...주 불일치(Vergence-Accommodation Conflict).md | 33 - .../조직 개발(OD) 프로그램 설계.md | 25 - Programming & Language/조직 행동 관리(OBM).md | 25 - .../조직 행동론 및 직무 만족도 연구.md | 25 - .../중뇌-변연계 경로 (Mesolimbic Pathway).md | 25 - .../지식 그래프 (Knowledge Graph).md | 25 - ...무 특성 모델 (Job Characteristics Model).md | 25 - Programming & Language/집합론 (Set Theory).md | 45 - Programming & Language/집합론(Set Theory).md | 35 - .../철벽 수비대 인터페이스 설계 전략.md | 35 - ... 타입 시스템과 견고한 인터페이스 설계의 정수.md | 43 - ...과 속성 검사 (Excess Property Checking).md | 41 - ...초과 속성 검사 (Excess Property Checks).md | 39 - .../추론 엔진 (Semantic Reasoner).md | 25 - Programming & Language/추상 구문 트리(AST).md | 32 - Programming & Language/추상화(Abstraction).md | 39 - Programming & Language/추상화.md | 37 - .../카오스 몽키(Chaos Monkey).md | 33 - .../커뮤니티 탐지 (Community Detection).md | 25 - .../코드 리뷰 (Code Review).md | 34 - ...자 인식)에 미치는 영향을 평가하는 기계 학습 모델 분류 연구.md | 43 - .../코드 스타일로메트리 (Code Stylometry).md | 34 - .../코드 축소 (Code minification).md | 33 - .../코드 포매팅 (Code formatting).md | 39 - ...동화 (Code Quality Management and Automation).md | 33 - Programming & Language/코스모스(Cosmos).md | 44 - Programming & Language/클로저(Closures).md | 33 - ... 계측(Allocation instrumentation on timeline).md | 35 - .../타입 가드 (Type Predicates).md | 33 - .../타입 가드(Type Guards).md | 33 - .../타입 단언 (Type Assertions).md | 40 - .../타입 단언(Type Assertion).md | 37 - .../타입 단언(Type Assertions).md | 33 - .../타입 서술어 (Type Predicates).md | 40 - .../타입 서술어(Type Predicates).md | 37 - .../타입 안전성 (Type Safety).md | 33 - ... 정의가 부족한 서드파티 라이브러리 연동.md | 40 - .../타입 조건자(Type Predicates).md | 33 - .../타입 좁히기 (Type Narrowing).md | 42 - .../타입 좁히기(Type Narrowing).md | 37 - .../타입 캐스팅 (Type Casting).md | 40 - ...입스크립트 상태 관리 및 분기 처리 설계.md | 43 - Programming & Language/타파스(Tapas).md | 32 - .../토스(Toss) Front SDK 퍼사드 패턴 적용.md | 40 - Programming & Language/토스(Toss) SDK 설계.md | 36 - ...플레이스 결제 단말기 외부 연동 SDK 개발.md | 35 - .../팀 단위 코드 품질 및 컨벤션 유지.md | 43 - .../포인터 압축(Pointer Compression).md | 33 - ...절 갈등 (Vergence-Accommodation Conflict).md | 32 - ... 불일치(Vergence-Accommodation Conflicts).md | 32 - ...절 불일치(Vergence-accommodation conflict).md | 33 - ...절 충돌(Vergence-accommodation conflict).md | 30 - ...엔드 및 모노레포(Monorepo) 개발 환경 설정.md | 48 - .../핀테크의 실시간 사기 탐지.md | 32 - .../하이브리드 검색 (Hybrid Search).md | 25 - .../할당 타임라인(Allocation Timeline).md | 43 - .../행동 경제학의 인센티브 구조 설계.md | 25 - .../행동 경제학의 학습 이론.md | 25 - Programming & Language/행동 수정 기법.md | 25 - .../행동주의 심리학 (Behaviorism).md | 25 - Programming & Language/행동주의 심리학.md | 25 - ...어의 민감 데이터(PII_PCI) 보안 규제 준수.md | 30 - .../회복탄력성 (Resilience).md | 25 - .../힙 메모리(Heap Memory).md | 44 - .../힙 스냅샷 (Heap Snapshots).md | 43 - Programming & Memory/ArrayBuffer.md | 30 - .../AST-based-Static-Analysis.md | 25 - Programming & Web/ASPNET Core.md | 32 - .../ABA(Applied Behavior Analysis).md | 25 - .../Addiction Neuroscience.md | 25 - Psychology & Behavior/Agent-Based Modeling.md | 25 - Psychology & Behavior/Agent-Based-Modeling.md | 25 - .../Amygdala Hyperactivity.md | 25 - ...상의 역효과 (Overjustification Effect).md | 25 - .../Functional Behavior Analysis (FBA).md | 31 - Psychology/ABA.md | 29 - Psychology/Addiction_Neuroscience.md | 29 - Psychology/Behavioral_Economics.md | 29 - Psychology/Dopamine.md | 29 - Psychology/Neuroplasticity.md | 29 - Psychology/Nudge_Theory.md | 29 - Psychology/Operant_Conditioning.md | 29 - React_Clean_Code_Best_Practices.md | 28 - React_Hooks_Deep_Dive.md | 26 - React_Mental_Model.md | 26 - React_Performance_Optimization.md | 28 - React_State_Management_Strategy.md | 28 - React_Testing_Strategy.md | 26 - Reliability_Safety_First.md | 28 - .../Adversarial Attack (적대적 공격).md | 25 - Security & Reliability/OWASP Top 10.md | 31 - .../Formal-Methods-in-Software-Engineering.md | 25 - Separation_of_Concerns.md | 25 - .../Agent-Based Modeling (ABM).md | 25 - Single_Source_of_Truth.md | 24 - Sociology & Tech/Algorithmic Governance.md | 25 - Sociology & Tech/Algorithmic-Governance.md | 25 - .../API-Contract-Definition.md | 25 - .../API-First Architecture.md | 42 - Software Architecture/API-First-Design.md | 25 - ...iving Simulation] [Robotic Manipulation.md | 29 - .../Architectural-Constraint-Enforcement.md | 25 - .../Deterministic Lockstep Architecture.md | 25 - .../Domain-Driven Design (DDD).md | 30 - .../Hello Games Development Lifecycle.md | 25 - .../Microservices-Architecture.md | 33 - Software Architecture/Nudge Theory.md | 25 - .../Sports Management Theory.md | 25 - ...tling Debouncing (스로틀링과 디바운싱).md | 25 - .../Amazon-AWS-Formal-Verification.md | 25 - Styling_Governance.md | 27 - .../Distributed-Systems-Engineering.md | 30 - .../Digital Twins.md | 30 - System Design & Modeling/Event Storming.md | 32 - System_Debugging_Protocol.md | 27 - System_Protocol_Standard.md | 26 - Systemic Modeling & Fun/Game Design Theory.md | 32 - Systemic_Simulation_Principles.md | 24 - Tetris_Project_Retrospective.md | 30 - TypeScript 컴파일러의 정적 타입 시스템.md | 0 TypeScript_Type_Safety.md | 26 - .../Analyze runtime performance.md | 51 - WebWorker_Performance.md | 24 - pending_topics_list.txt | 1128 ----------------- src/TetrisGame.jsx | 97 -- src/gameWorker.js | 73 -- src/hooks/useGameLogic.js | 110 -- src/tetris-worker.js | 82 -- 2200 files changed, 66929 deletions(-) create mode 100644 .DS_Store delete mode 100644 AI & Biology/Artificial Life (ALife).md delete mode 100644 AI & Ethics/Algorithmic Bias in Art.md delete mode 100644 AI & Ethics/Algorithmic Decision Making.md delete mode 100644 AI & Ethics/Artificial-Intelligence-Explainability.md delete mode 100644 AI & Games/AlphaZero Strategy.md delete mode 100644 AI & ML MLOps/Concept Drift (개념 드리프트, 모델 지식의 부패).md delete mode 100644 AI & Narrative/AI-Driven Narrative Systems.md delete mode 100644 AI & Psychology/Affective Computing.md delete mode 100644 AI & Tools/AI Connect LLM Tool.md delete mode 100644 AI/20k skinned instances demo.md delete mode 100644 AI/AI Safety (AI 안전).md delete mode 100644 AI/AI 거버넌스 정책(AI Usage Policy).md delete mode 100644 AI/AI 생성 코드 검증(AI Code Assurance).md delete mode 100644 AI/AI 에이전트 (AI Agent).md delete mode 100644 AI/AI 코드 리뷰 및 보안 취약점 점검(DevSecOps).md delete mode 100644 AI/AI 코드 리뷰.md delete mode 100644 AI/AI와 기계에게 검열 맡기기_ - 정적 분석 툴 (ESLint Prettier)).md delete mode 100644 AI/API 응답 모델링 및 상태 머신(State Machine) 설계.md delete mode 100644 AI/A_B-Testing-Platforms.md delete mode 100644 AI/Accessibility-Compliance-Audit.md delete mode 100644 AI/Adaptive Compute (적응형 계산량 조절).md delete mode 100644 AI/Advanced-Interface-Design.md delete mode 100644 AI/Adversarial Code Stylometry.md delete mode 100644 AI/Algorithmic-Biology.md delete mode 100644 AI/Algorithmic-Game-Theory.md delete mode 100644 AI/Ambient-Declarations.md delete mode 100644 AI/Amdahls Law (암달의 법칙).md delete mode 100644 AI/Artificial-Intelligence-in-Games.md delete mode 100644 AI/Artificial-Intelligence.md delete mode 100644 AI/Autism Spectrum Disorder (ASD) Intervention.md delete mode 100644 AI/Automated-Game-Testing.md delete mode 100644 AI/Automated-Map-Generation.md delete mode 100644 AI/Automated-Reasoning.md delete mode 100644 AI/Automated-Refactoring-Tools.md delete mode 100644 AI/Automated-Security-Audits.md delete mode 100644 AI/Automated-Theorem-Proving.md delete mode 100644 AI/Automated_Mapping.md delete mode 100644 AI/Autonomous-Polling-Wait-Automation.md delete mode 100644 AI/Autonomous-Vehicle-Path-Planning.md delete mode 100644 AI/Axify.md delete mode 100644 AI/Azure DevOps.md delete mode 100644 AI/B-Tree.md delete mode 100644 AI/Backpropagation.md delete mode 100644 AI/Baseline Project.md delete mode 100644 AI/Bayesian Inference.md delete mode 100644 AI/Behavioral Finance.md delete mode 100644 AI/Behavioral-Economics.md delete mode 100644 AI/Bellman Equation.md delete mode 100644 AI/Bellman-Equation.md delete mode 100644 AI/Bert-Language-Model.md delete mode 100644 AI/Best SAST Tools in 2026.md delete mode 100644 AI/Best-of-N Sampling ( ø).md delete mode 100644 AI/Best-of-N Sampling (최적 샘플링).md delete mode 100644 AI/Best-of-N Sampling.md delete mode 100644 AI/Bias-Correction-Algorithm.md delete mode 100644 AI/Bias-Variance-Tradeoff.md delete mode 100644 AI/BioShock (2007).md delete mode 100644 AI/BioShock-Critique.md delete mode 100644 AI/Bioenergetics.md delete mode 100644 AI/Bioinformatics-Structure-Prediction.md delete mode 100644 AI/Biological-Inspired-Algorithms.md delete mode 100644 AI/Biomechanics-of-Injury.md delete mode 100644 AI/Biometrics.md delete mode 100644 AI/Bloom-Filters.md delete mode 100644 AI/Boosting-Algorithms-XGBoost-LightGBM.md delete mode 100644 AI/Bounded Contexts.md delete mode 100644 AI/Bounded Rationality.md delete mode 100644 AI/Bounded-Contexts-and-Interface-Segregation.md delete mode 100644 AI/Bounding-Box-Regression.md delete mode 100644 AI/Brain-Derived Neurotrophic Factor (BDNF).md delete mode 100644 AI/Branded-Types-for-Nominal-Typing.md delete mode 100644 AI/Branded-Types.md delete mode 100644 AI/Burnout Prevention in Professional Gaming.md delete mode 100644 AI/CI_CD 및 Pull Request 자동화 리뷰.md delete mode 100644 AI/CI_CD 파이프라인 및 IDE 통합 보안.md delete mode 100644 AI/CI_CD.md delete mode 100644 AI/CPTED.md delete mode 100644 AI/CV_Synthesis.md delete mode 100644 AI/Caliskan-Islam 등의 프로그램 바이너리 작성자 식별 연구.md delete mode 100644 AI/Call Stack.md delete mode 100644 AI/Central-Pattern-Generators.md delete mode 100644 AI/CesiumJS.md delete mode 100644 AI/Chain-of-Thought (CoT 罽).md delete mode 100644 AI/Chain-of-Thought (CoT 사고 사슬).md delete mode 100644 AI/Chrome DevTools Memory Profiling.md delete mode 100644 AI/Chrome DevTools 메모리 분석 및 성능 최적화.md delete mode 100644 AI/Chrome DevTools 메모리 프로파일링 및 힙 스냅샷 분석.md delete mode 100644 AI/Chrome DevTools 메모리 프로파일링.md delete mode 100644 AI/Chrome DevTools.md delete mode 100644 AI/Chrome 브라우저 렌더링 성능.md delete mode 100644 AI/Chronic-Pain-Management-Protocols.md delete mode 100644 AI/Circuit Discovery (ȸ ߰).md delete mode 100644 AI/Circuit Discovery (회로 발견).md delete mode 100644 AI/Circular Economy Transitions.md delete mode 100644 AI/Circular-Economy.md delete mode 100644 AI/Clean-Architecture-Implementation.md delete mode 100644 AI/Clean-Architecture-TypeScript.md delete mode 100644 AI/Climate Change Mitigation Frameworks.md delete mode 100644 AI/Clinical-Kinesiology-Assessment.md delete mode 100644 AI/Code Review.md delete mode 100644 AI/Cognitive Biases.md delete mode 100644 AI/Cognitive Computing.md delete mode 100644 AI/Cognitive Neuroscience of Flow.md delete mode 100644 AI/Cognitive Psychology.md delete mode 100644 AI/Cognitive Reserve Theory.md delete mode 100644 AI/Cognitive Training Software (eg Aim Lab_KovaaKs).md delete mode 100644 AI/Cognitive-Evaluation-Theory.md delete mode 100644 AI/Cognitive-Therapy-in-CBT.md delete mode 100644 AI/Collective-Intelligence.md delete mode 100644 AI/Combinatorial Game Theory.md delete mode 100644 AI/Combinatorial-Optimization.md delete mode 100644 AI/CompCert-C-Compiler.md delete mode 100644 AI/Complexity Theory.md delete mode 100644 AI/Computational Creativity.md delete mode 100644 AI/Computational Neuroscience of Reinforcement Learning.md delete mode 100644 AI/Computational-Creativity.md delete mode 100644 AI/Computer Vision.md delete mode 100644 AI/Computer-Aided-Design (CAD).md delete mode 100644 AI/Computer_Vision.md delete mode 100644 AI/Concept Drift (개념 드리프트).md delete mode 100644 AI/Concept Mapping.md delete mode 100644 AI/Concurrent Programming.md delete mode 100644 AI/Conditioning and Learning ( ).md delete mode 100644 AI/Connect AI 기술 문서 및 사용 설명서.md delete mode 100644 AI/Connect AI 시스템 아키텍처 및 데이터 흐름 분석.md delete mode 100644 AI/Constitutional AI (헌법 AI).md delete mode 100644 AI/Constraint Satisfaction Problems (CSP).md delete mode 100644 AI/Constraint-Satisfaction-Problems.md delete mode 100644 AI/Continuous-Discovery.md delete mode 100644 AI/Control Systems Engineering.md delete mode 100644 AI/Control-Theory.md delete mode 100644 AI/Conways On Numbers and Games.md delete mode 100644 AI/Corgea.md delete mode 100644 AI/Corporate-LMS-Training.md delete mode 100644 AI/Creativity Research.md delete mode 100644 AI/Credit Assignment Problem.md delete mode 100644 AI/Custom-ESLint-Rules-Development.md delete mode 100644 AI/Customer-Journey-Mapping.md delete mode 100644 AI/Cybernetics.md delete mode 100644 AI/DPO (Direct Preference Optimization).md delete mode 100644 AI/DQN.md delete mode 100644 AI/Data Cleaning Algorithms.md delete mode 100644 AI/Data Distillation (데이터 증류).md delete mode 100644 AI/Data-Augmentation-for-Medical-Imaging.md delete mode 100644 AI/Data-Science-in-UX.md delete mode 100644 AI/Data-Transfer-Object-Design.md delete mode 100644 AI/Dead Space (Series).md delete mode 100644 AI/Deceptive Alignment (기만적 정렬).md delete mode 100644 AI/Decision Theory.md delete mode 100644 AI/Declaration Files (dts).md delete mode 100644 AI/Declaration-Files.md delete mode 100644 AI/Deep Q-Networks (DQN).md delete mode 100644 AI/Deep-Convolutional-GANs.md delete mode 100644 AI/DeepCode AI.md delete mode 100644 AI/Deepfake-Detection-Research.md delete mode 100644 AI/Default Mode Network (DMN).md delete mode 100644 AI/DefinitelyTyped.md delete mode 100644 AI/Degrees-of-Freedom.md delete mode 100644 AI/Deliberate-Practice.md delete mode 100644 AI/Denavit-Hartenberg-Parameters.md delete mode 100644 AI/Dense vs Sparse Neural Networks.md delete mode 100644 AI/Dependency-Graph-Analysis.md delete mode 100644 AI/Dependency-Injection.md delete mode 100644 AI/Dependency-Inversion-Principle.md delete mode 100644 AI/DevOps-and-UX-Convergence.md delete mode 100644 AI/DevSecOps.md delete mode 100644 AI/Differentiable Programming.md delete mode 100644 AI/Diffusion-Models.md delete mode 100644 AI/Digital Intellectual Property Rights.md delete mode 100644 AI/Digital Thread Integration.md delete mode 100644 AI/Digital-Twin-Technology.md delete mode 100644 AI/Dijkstra's Algorithm.md delete mode 100644 AI/Diminishing Returns (한계 수익 체감).md delete mode 100644 AI/Directed-Acyclic-Graph-Build-Systems.md delete mode 100644 AI/Directed-Acyclic-Graph-Dependency-Management.md delete mode 100644 AI/Discriminated-Unions-for-Error-Handling.md delete mode 100644 AI/Discriminated-Unions-for-State-Modeling.md delete mode 100644 AI/Discriminated-Unions.md delete mode 100644 AI/Dissipative Structures.md delete mode 100644 AI/Distributed Reinforcement Learning.md delete mode 100644 AI/Distributed-System-Type-Safety.md delete mode 100644 AI/Domain Objects.md delete mode 100644 AI/Domain-Driven Design (DDD) Type Safety.md delete mode 100644 AI/Domain-Driven Design (DDD) in TypeScript.md delete mode 100644 AI/Domain-Driven-Design (DDD) in TypeScript.md delete mode 100644 AI/Domain-Driven-Design (DDD).md delete mode 100644 AI/Domain-Driven-Design-(DDD)-in-TypeScript.md delete mode 100644 AI/Domain-Driven-Design-(DDD).md delete mode 100644 AI/Domain-Driven-Design-Bounded-Context.md delete mode 100644 AI/Domain-Driven-Design-Interface-Modeling.md delete mode 100644 AI/Domain-Driven-Design-in-TypeScript.md delete mode 100644 AI/Domain-Driven-Design-with-TypeScript.md delete mode 100644 AI/Domain-Driven-Design.md delete mode 100644 AI/Dopaminergic Reward System.md delete mode 100644 AI/Dopaminergic Reward Systems.md delete mode 100644 AI/Drama Management Systems.md delete mode 100644 AI/Dynamic Difficulty Adjustment (DDA).md delete mode 100644 AI/Dynamic Few-Shot (동적 퓨샷 선택 전략).md delete mode 100644 AI/Dynamic-Environment-Handling.md delete mode 100644 AI/E-commerce-Catalog-Management.md delete mode 100644 AI/E-commerce-Optimization.md delete mode 100644 AI/ESLint-Static-Analysis.md delete mode 100644 AI/EU-Web-Accessibility-Directive.md delete mode 100644 AI/EVE Online (Spreadsheet Economy).md delete mode 100644 AI/Ecology and Ecosystem Modeling.md delete mode 100644 AI/Elite-Sport-Science-Protocols.md delete mode 100644 AI/Elite-Strength-and-Conditioning.md delete mode 100644 AI/Embodied Cognition.md delete mode 100644 AI/Emotionally Intelligent Tutoring Systems (EITS).md delete mode 100644 AI/Encapsulation-and-Information-Hiding.md delete mode 100644 AI/Encapsulation-of-Domain-Invariants.md delete mode 100644 AI/Encapsulation-via-Access-Modifiers.md delete mode 100644 AI/Endurance-Athletics-Cognition.md delete mode 100644 AI/Enterprise-Design-Systems.md delete mode 100644 AI/Enterprise-Resource-Planning-Systems.md delete mode 100644 AI/Enterprise-Scale-Monorepo-Management.md delete mode 100644 AI/Enterprise-Software-Architecture.md delete mode 100644 AI/Enterprise-Software-Engineering.md delete mode 100644 AI/Europeana.md delete mode 100644 AI/Evolutionary Biology.md delete mode 100644 AI/Evolutionary Computation.md delete mode 100644 AI/Evolutionary-Biology.md delete mode 100644 AI/Evolutionary-Computation.md delete mode 100644 AI/Excess-Property-Checking.md delete mode 100644 AI/Executive Dysfunction.md delete mode 100644 AI/Executive-Function-Deficit.md delete mode 100644 AI/Exercise-Physiology.md delete mode 100644 AI/Exhaustiveness-Checking.md delete mode 100644 AI/Expected Utility Theory.md delete mode 100644 AI/Expo 2025 Osaka.md delete mode 100644 AI/Feature Clamping (피처 고정).md delete mode 100644 AI/Feedback-Control-Systems.md delete mode 100644 AI/Finite-Element-Analysis.md delete mode 100644 AI/Firefox.md delete mode 100644 AI/First Input Delay (FID).md delete mode 100644 AI/Fixed Time Step vs Variable Time Step.md delete mode 100644 AI/Flow State.md delete mode 100644 AI/Flow-State.md delete mode 100644 AI/Functional-Programming-in-TypeScript.md delete mode 100644 AI/GPU.md delete mode 100644 AI/GRPO (Group Relative Policy Optimization).md delete mode 100644 AI/Gacha Mechanics Analysis.md delete mode 100644 AI/Gait-Analysis-Laboratory.md delete mode 100644 AI/Gait-Analysis-Methodologies.md delete mode 100644 AI/Game Balance Theory.md delete mode 100644 AI/Game Economy Modeling.md delete mode 100644 AI/Game Engine Architecture (Jason Gregory).md delete mode 100644 AI/Game Engine Architecture.md delete mode 100644 AI/Game-Design-Ontology.md delete mode 100644 AI/Game-Design-Theory.md delete mode 100644 AI/Game-Ontology-for-PCG.md delete mode 100644 AI/Gamification Theory.md delete mode 100644 AI/Generative Adversarial Networks (GANs) in Fine Arts.md delete mode 100644 AI/Generative-Adversarial-Networks.md delete mode 100644 AI/Generics-and-Polymorphism.md delete mode 100644 AI/Geographic-Information-Systems (GIS).md delete mode 100644 AI/Geriatric-Medicine.md delete mode 100644 AI/GitLab CI.md delete mode 100644 AI/Goal Misgeneralization (목표 오일반화).md delete mode 100644 AI/Graph-Coloring-Problem.md delete mode 100644 AI/Graph-Theory.md delete mode 100644 AI/GraphQL-Code-Generator.md delete mode 100644 AI/GraphRAG (그래프 기반 검색 증강 생성).md delete mode 100644 AI/Grit.md delete mode 100644 AI/Growth Mindset Intervention in Education.md delete mode 100644 AI/Growth-Mindset.md delete mode 100644 AI/Guilty-Gear-Xrd-Rendering-Pipeline.md delete mode 100644 AI/HANDOVER.md delete mode 100644 AI/HBO Prestige Television.md delete mode 100644 AI/HHH (Helpful Harmless Honest).md delete mode 100644 AI/Hardware-Verification.md delete mode 100644 AI/Health Informatics (mHealth).md delete mode 100644 AI/Heap Snapshot(힙 스냅샷).md delete mode 100644 AI/Hebbian Theory.md delete mode 100644 AI/High-Cohesion-Low-Coupling.md delete mode 100644 AI/High-Frequency Trading Models.md delete mode 100644 AI/High-Performance Training Programs (Tier 1 Orgs).md delete mode 100644 AI/High-Performance-Coaching.md delete mode 100644 AI/High-Performance-Sports-Science.md delete mode 100644 AI/Homeostasis.md delete mode 100644 AI/Human-Computer-Interaction.md delete mode 100644 AI/Hyperinflation in Closed-Loop Systems.md delete mode 100644 AI/IEEE P36521.md delete mode 100644 AI/Immersive Sim Design.md delete mode 100644 AI/Immersive Sims (eg Deus Ex Dishonored).md delete mode 100644 AI/Immersive Sims (eg Deus Ex Thief).md delete mode 100644 AI/Immersive-Sim-Genre.md delete mode 100644 AI/Immutability-Patterns.md delete mode 100644 AI/In-Context Learning (ICL 문맥 내 학습).md delete mode 100644 AI/Incremental-Computation.md delete mode 100644 AI/Indoor Wayfinding for Smart Cities.md delete mode 100644 AI/Industrial Metaverse.md delete mode 100644 AI/Industrial-Automation.md delete mode 100644 AI/Injury-Prevention-Protocols.md delete mode 100644 AI/InstancedMesh2 library.md delete mode 100644 AI/Interaction to Next Paint (INP).md delete mode 100644 AI/Interface Segregation Principle.md delete mode 100644 AI/Interface-Segregation-Principle-in-TS.md delete mode 100644 AI/Interop 2026.md delete mode 100644 AI/Interpolation and Extrapolation.md delete mode 100644 AI/InversifyJS.md delete mode 100644 AI/Irrational Games.md delete mode 100644 AI/Itô Calculus.md delete mode 100644 AI/J-curve S-curve (AI 발전의 동학).md delete mode 100644 AI/JSON-Schema.md delete mode 100644 AI/Jailbreaking (탈옥).md delete mode 100644 AI/Jenkins.md delete mode 100644 AI/KTO (Kahneman-Tversky Optimization).md delete mode 100644 AI/Ken Levine-Design-Philosophy.md delete mode 100644 AI/Keyof-Operator.md delete mode 100644 AI/Kinematic-Modeling.md delete mode 100644 AI/Knowledge-Representation-in-AI.md delete mode 100644 AI/LLM Alignment (LLM 정렬).md delete mode 100644 AI/LLM Hallucination (언어 모델 환각).md delete mode 100644 AI/LLM.md delete mode 100644 AI/LOD.md delete mode 100644 AI/Language-Acquisition-Apps.md delete mode 100644 AI/Large-Scale-Enterprise-Frontend-Architectures.md delete mode 100644 AI/Large-Scale-Knowledge-Integration.md delete mode 100644 AI/Large-scale-Frontend-Architecture.md delete mode 100644 AI/Large-scale-TypeScript-Monorepos.md delete mode 100644 AI/Largest Contentful Paint (LCP).md delete mode 100644 AI/Lerna-Legacy-Management.md delete mode 100644 AI/Level Design Architecture.md delete mode 100644 AI/Level Design Automation.md delete mode 100644 AI/Level of Detail (LOD).md delete mode 100644 AI/Level-Design-Automation.md delete mode 100644 AI/Linear Representation Hypothesis (선형 표현 가설).md delete mode 100644 AI/Live Service Game Design.md delete mode 100644 AI/LiveOps Management.md delete mode 100644 AI/LoRA (Low-Rank Adaptation).md delete mode 100644 AI/Locus of Control.md delete mode 100644 AI/Locus-of-Control.md delete mode 100644 AI/Long Animation Frames API.md delete mode 100644 AI/Long Tasks.md delete mode 100644 AI/Ludology-vs-Narratology.md delete mode 100644 AI/MDA-P-Framework.md delete mode 100644 AI/MMORPG Economic Management.md delete mode 100644 AI/Machine Learning in Game Design.md delete mode 100644 AI/Machine-Learning-Animation.md delete mode 100644 AI/Main Thread.md delete mode 100644 AI/Market Regulation.md delete mode 100644 AI/Mechanistic Interpretability (기계적 해석 가능성).md delete mode 100644 AI/Mesocortical Pathway.md delete mode 100644 AI/Metabolic Efficiency.md delete mode 100644 AI/Metabolic-Flexibility.md delete mode 100644 AI/Metabolic-Resource-Allocation.md delete mode 100644 AI/Metro Exodus.md delete mode 100644 AI/Microservices-Architecture-Bounded-Contexts.md delete mode 100644 AI/Microservices-Architecture-Type-Safety.md delete mode 100644 AI/Microservices-Communication-Patterns.md delete mode 100644 AI/Mipmap.md delete mode 100644 AI/Mobile-App-Development.md delete mode 100644 AI/Model Collapse (모델 붕괴 현상).md delete mode 100644 AI/Model Context Protocol (MCP).md delete mode 100644 AI/Model Predictive Control (MPC).md delete mode 100644 AI/Model Spec (모델 스펙 AI 행동 명세서).md delete mode 100644 AI/Module Augmentation.md delete mode 100644 AI/Module-Augmentation.md delete mode 100644 AI/Module-Boundary-Enforcement.md delete mode 100644 AI/Monetary Policy in Virtual Worlds.md delete mode 100644 AI/Monetary Policy.md delete mode 100644 AI/Monosemanticity (일의성).md delete mode 100644 AI/Multi-Agent Debate (에이전트 간 토론 전략).md delete mode 100644 AI/Multi-Agent System (다중 에이전트 시스템).md delete mode 100644 AI/Multi-Hop Reasoning (다중 홉 추론).md delete mode 100644 AI/Multimodal Sentiment Analysis.md delete mode 100644 AI/Natural Language Processing (NLP) in Narrative.md delete mode 100644 AI/Natural-Language-Processing.md delete mode 100644 AI/Naughty Dog Development.md delete mode 100644 AI/NestJS-Architecture.md delete mode 100644 AI/Network Synchronization in Multiplayer Games.md delete mode 100644 AI/Neural-Symbolic-Integration.md delete mode 100644 AI/Neuro-Symbolic-AI.md delete mode 100644 AI/Neurobiology-of-Reward.md delete mode 100644 AI/Neurodevelopmental Disorders.md delete mode 100644 AI/Neuroeconomics.md delete mode 100644 AI/Neuroergonomics.md delete mode 100644 AI/Neuromuscular-Adaptation.md delete mode 100644 AI/Neuromuscular-Control.md delete mode 100644 AI/Neuropharmacology of Substance Use Disorders.md delete mode 100644 AI/Neuroplasticity in Addiction.md delete mode 100644 AI/Neuroplasticity in Motor Learning.md delete mode 100644 AI/Neuroplasticity-in-Motor-Learning.md delete mode 100644 AI/Neuroprosthetics-Development.md delete mode 100644 AI/Neuropsychiatric Disorders.md delete mode 100644 AI/Neuropsychology.md delete mode 100644 AI/Neurorehabilitation after Stroke.md delete mode 100644 AI/Neurorehabilitation-Post-Stroke.md delete mode 100644 AI/No Mans Sky (Large-scale planetary generation).md delete mode 100644 AI/No Mans Sky.md delete mode 100644 AI/Nodejs 메모리 누수 분석.md delete mode 100644 AI/Nodejs 프로덕션 메모리 누수 진단.md delete mode 100644 AI/Nodejs 프로덕션 메모리 문제 해결.md delete mode 100644 AI/Nodejs 프로덕션 메모리 병목 분석.md delete mode 100644 AI/Nodejs-Global-Namespace-Augmentation.md delete mode 100644 AI/Nominal-Typing-in-TypeScript.md delete mode 100644 AI/Non-Photorealistic-Rendering-in-Level-Design.md delete mode 100644 AI/Nuclear Deterrence Models.md delete mode 100644 AI/Nutritional-Biochemistry.md delete mode 100644 AI/OWA vs CWA (개방 세계 vs 폐쇄 세계 가정).md delete mode 100644 AI/Object Pooling (가비지 컬렉션 최적화).md delete mode 100644 AI/Object-Oriented-Design-Patterns.md delete mode 100644 AI/Objectivism.md delete mode 100644 AI/Occupational-Therapy.md delete mode 100644 AI/Okami-Ink-Wash-Aesthetics.md delete mode 100644 AI/Olympic-Training-Cycles.md delete mode 100644 AI/Olympic-Training-Models.md delete mode 100644 AI/Olympic-Training-Protocols.md delete mode 100644 AI/Ontology-Driven-Relevancy-Filtering.md delete mode 100644 AI/Ontology-Engineering.md delete mode 100644 AI/Ontology-Guided Knowledge Extraction.md delete mode 100644 AI/Opaque-Types.md delete mode 100644 AI/Open-Access-Movement.md delete mode 100644 AI/Operations-Research.md delete mode 100644 AI/Organizational Psychology.md delete mode 100644 AI/Outer Alignment vs Inner Alignment.md delete mode 100644 AI/PCGML-Frameworks.md delete mode 100644 AI/PEFT (Parameter-Efficient Fine-Tuning).md delete mode 100644 AI/PRM (Process Reward Model).md delete mode 100644 AI/PageSpeed Insights.md delete mode 100644 AI/Papers Please (Bureaucratic Simulation).md delete mode 100644 AI/Papers-Please.md delete mode 100644 AI/Pedestrian-Modeling.md delete mode 100644 AI/Perceptual-Motor-Skills.md delete mode 100644 AI/Performance Management Systems.md delete mode 100644 AI/Performance Psychology.md delete mode 100644 AI/Periodization-Theory.md delete mode 100644 AI/Personalization-Engines.md delete mode 100644 AI/Persuasive Games.md delete mode 100644 AI/Phase Transition (위상 변이).md delete mode 100644 AI/Phyllotaxis-Modeling.md delete mode 100644 AI/Physics-Based-Simulation.md delete mode 100644 AI/Platform Economics.md delete mode 100644 AI/Play-to-Earn (P2E) Economies.md delete mode 100644 AI/Player-Agency.md delete mode 100644 AI/PolicyIQ.md delete mode 100644 AI/Positive-Education.md delete mode 100644 AI/Post-structuralism.md delete mode 100644 AI/Precision Medicine Training.md delete mode 100644 AI/Predictive Maintenance (PdM).md delete mode 100644 AI/Predictive-Modeling.md delete mode 100644 AI/Predictive-Urban-Modeling.md delete mode 100644 AI/Prefrontal Cortex Dysfunction.md delete mode 100644 AI/Prefrontal-Cortex-Dysfunction.md delete mode 100644 AI/Probability Theory (Stochastic Processes).md delete mode 100644 AI/Probability Theory.md delete mode 100644 AI/Procedural Content Generation (PCG) Balancing.md delete mode 100644 AI/Procedural Content Generation (PCG).md delete mode 100644 AI/Procedural Content Generation via Machine Learning (PCGML).md delete mode 100644 AI/Procedural Content Generation.md delete mode 100644 AI/Procedural Rhetoric.md delete mode 100644 AI/Procedural-Content-Generation (PCG).md delete mode 100644 AI/Procedural-Content-Generation-via-Machine-Learning.md delete mode 100644 AI/Procedural-Content-Generation.md delete mode 100644 AI/Procedural-Texture-Generation.md delete mode 100644 AI/Process Supervision (과정 감독).md delete mode 100644 AI/Product-Types.md delete mode 100644 AI/Prompt Injection (프롬프트 주입 공격).md delete mode 100644 AI/Prospect Theory.md delete mode 100644 AI/Prosthetic-Design-Optimization.md delete mode 100644 AI/Psychophysiology.md delete mode 100644 AI/Pull Request (PR) 워크플로우.md delete mode 100644 AI/Pull Request (PR).md delete mode 100644 AI/Quality Gates.md delete mode 100644 AI/Quantitative-Usability-Testing.md delete mode 100644 AI/RAG (검색 증강 생성).md delete mode 100644 AI/RLAIF (AI 피드백 기반 강화학습).md delete mode 100644 AI/RLHF (인간 피드백 기반 강화학습).md delete mode 100644 AI/RL_Neuroscience.md delete mode 100644 AI/ReAct (Reasoning Acting).md delete mode 100644 AI/Real-Time-Game-Engines.md delete mode 100644 AI/Redux-Reducers-Design.md delete mode 100644 AI/Redux-State-Management.md delete mode 100644 AI/Regenerative Design.md delete mode 100644 AI/Regenerative-Design.md delete mode 100644 AI/Rehabilitative-Medicine.md delete mode 100644 AI/Reinforcement Learning (RL).md delete mode 100644 AI/Reinforcement Learning for Automated Playtesting.md delete mode 100644 AI/Reinforcement Learning in Economics.md delete mode 100644 AI/Reinforcement Learning.md delete mode 100644 AI/Reinforcement Schedules.md delete mode 100644 AI/Resilience Science.md delete mode 100644 AI/Resilience-Engineering.md delete mode 100644 AI/Retainers(유지 경로).md delete mode 100644 AI/Retaining Path.md delete mode 100644 AI/Retrograde-Games.md delete mode 100644 AI/Reward Hacking (보상 해킹).md delete mode 100644 AI/Reward Prediction Error.md delete mode 100644 AI/Risk Management in Finance.md delete mode 100644 AI/Robotic Manipulation Control.md delete mode 100644 AI/Robotic-Prosthetics-Control-Systems.md delete mode 100644 AI/Robustness (강건성).md delete mode 100644 AI/SAST (Static Application Security Testing).md delete mode 100644 AI/SAST (정적 애플리케이션 보안 테스트).md delete mode 100644 AI/SAST (정적 애플리케이션 보안 테스팅).md delete mode 100644 AI/SAST.md delete mode 100644 AI/SDLC (소프트웨어 개발 수명 주기).md delete mode 100644 AI/SFT (Supervised Fine-Tuning).md delete mode 100644 AI/SHACL (Shapes Constraint Language).md delete mode 100644 AI/STEM Laboratory Virtualization.md delete mode 100644 AI/Scaffolding (Instructional Technique).md delete mode 100644 AI/Scheduling-and-Timetabling.md delete mode 100644 AI/Section-508-Compliance.md delete mode 100644 AI/Security-Governance.md delete mode 100644 AI/Segmentsai.md delete mode 100644 AI/Self-Consistency (자기 일관성 디코딩).md delete mode 100644 AI/Self-Organized Criticality.md delete mode 100644 AI/Self-Play (자기 대결 기반 강화학습).md delete mode 100644 AI/Self-Regulation.md delete mode 100644 AI/Semantic Grounding Provenance.md delete mode 100644 AI/Semgrep Assistant.md delete mode 100644 AI/Serious Games.md delete mode 100644 AI/Service-Design-Blueprinting.md delete mode 100644 AI/Shannon-Entropy.md delete mode 100644 AI/SimCity (as a model of systemic interaction).md delete mode 100644 AI/Simulated History.md delete mode 100644 AI/Simulator Sickness Questionnaire (SSQ).md delete mode 100644 AI/Single-Source-of-Truth.md delete mode 100644 AI/Singularity (기술적 특이점).md delete mode 100644 AI/Skybound Protocol 구조 및 의존성 분석 (Dependency Mapping).md delete mode 100644 AI/Skybound Protocol 데이터 및 제어 흐름 (Control Flow).md delete mode 100644 AI/Skybound Protocol 코드리뷰.md delete mode 100644 AI/Snyk Checkmarx Endor Labs 등 종합 애플리케이션 보안 플랫폼.md delete mode 100644 AI/Social Constructivism.md delete mode 100644 AI/Social Systems Theory.md delete mode 100644 AI/Soft Navigation.md delete mode 100644 AI/SonarQube.md delete mode 100644 AI/Sparse Autoencoder (SAE).md delete mode 100644 AI/Spatial UI.md delete mode 100644 AI/Specification Gaming (명세 우회).md delete mode 100644 AI/Sports Neuroscience.md delete mode 100644 AI/Sports-Medicine-Rehabilitation.md delete mode 100644 AI/Sports-Performance-Optimization.md delete mode 100644 AI/Sports-Psychology.md delete mode 100644 AI/Sports-Science-Training.md delete mode 100644 AI/Sprague-Grundy Theorem.md delete mode 100644 AI/Static Application Security Testing (SAST).md delete mode 100644 AI/Static-Analysis-in-JavaScript-Ecosystem.md delete mode 100644 AI/Static-Analysis-in-JavaScript.md delete mode 100644 AI/Static-Analysis-in-Software-Engineering.md delete mode 100644 AI/Static-Analysis-of-Interfaces.md delete mode 100644 AI/Stochastic Processes.md delete mode 100644 AI/Stochastic-Games.md delete mode 100644 AI/Sum-Types.md delete mode 100644 AI/Superposition (중첩).md delete mode 100644 AI/Supply-Chain-Management.md delete mode 100644 AI/Surreal Numbers.md delete mode 100644 AI/Survival Horror Genre.md delete mode 100644 AI/Sustainable Development Goals (SDGs).md delete mode 100644 AI/Sustainable-Development-Goals (SDGs).md delete mode 100644 AI/Sycophancy (LLM 아첨 문제).md delete mode 100644 AI/Symbolic-Logic.md delete mode 100644 AI/Synaptic Plasticity.md delete mode 100644 AI/SynthID (구글 AI 식별 기술).md delete mode 100644 AI/Synthetic Data (합성 데이터).md delete mode 100644 AI/System Prompt (시스템 프롬프트).md delete mode 100644 AI/Systemic-Cohesion.md delete mode 100644 AI/Systems Thinking in Management.md delete mode 100644 AI/Systems Thinking.md delete mode 100644 AI/Taxonomy-and-Ontology.md delete mode 100644 AI/Temporal Difference Learning.md delete mode 100644 AI/Test-Time Compute Scaling (추론 시간 계산 스케일링).md delete mode 100644 AI/Texture-Synthesis.md delete mode 100644 AI/The Immersive Sim Taxonomy Debate.md delete mode 100644 AI/The Last of Us Series.md delete mode 100644 AI/The Overwatch League Case Study.md delete mode 100644 AI/The Science of Well-Being (Yale).md delete mode 100644 AI/The-Collapse-of-Utopian-Ideologies.md delete mode 100644 AI/Themework-Integration.md delete mode 100644 AI/Threejs WebGL 렌더링 최적화.md delete mode 100644 AI/Threejs WebGPURenderer.md delete mode 100644 AI/Threejs 성능 최적화.md delete mode 100644 AI/Time Series Analysis.md delete mode 100644 AI/Time to Interactive (TTI).md delete mode 100644 AI/Tokenomics.md delete mode 100644 AI/Topology-of-Strategy-Spaces.md delete mode 100644 AI/Trajectory-Planning.md delete mode 100644 AI/Transhumanism.md delete mode 100644 AI/Transient Hypofrontality.md delete mode 100644 AI/Transient-Hypofrontality.md delete mode 100644 AI/Transit-Oriented-Development (TOD).md delete mode 100644 AI/Tree-of-Thought (ToT 사고 트리).md delete mode 100644 AI/Type Definition Files (DefinitelyTyped).md delete mode 100644 AI/Type-Composition-via-Intersection-Types.md delete mode 100644 AI/Type-Guards.md delete mode 100644 AI/Type-Inference.md delete mode 100644 AI/Type-Intersection.md delete mode 100644 AI/Type-Safety-in-Distributed-Systems.md delete mode 100644 AI/Type-Safety-in-Domain-Driven-Design.md delete mode 100644 AI/Type-Safety-in-Generics.md delete mode 100644 AI/Type-Soundness.md delete mode 100644 AI/Type-Theory.md delete mode 100644 AI/Type-Unification.md delete mode 100644 AI/TypeScript Compiler (tsc).md delete mode 100644 AI/TypeScript Declaration Files (dts) Design.md delete mode 100644 AI/TypeScript Interface Design.md delete mode 100644 AI/TypeScript Type System Design.md delete mode 100644 AI/TypeScript-Advanced-Type-System-Design.md delete mode 100644 AI/TypeScript-Compiler-API-Integration.md delete mode 100644 AI/TypeScript-Domain-Driven-Design.md delete mode 100644 AI/TypeScript-Interface-Design.md delete mode 100644 AI/TypeScript-Type-System-Architecture.md delete mode 100644 AI/TypeScript-Type-System-Design.md delete mode 100644 AI/TypeScript-Type-System-Interface-Design.md delete mode 100644 AI/TypeScript-Type-System.md delete mode 100644 AI/UX-Design-and-Engagement.md delete mode 100644 AI/UX-Research-Methodologies.md delete mode 100644 AI/Ubiquitous Computing Paradigm.md delete mode 100644 AI/Ubiquitous Computing.md delete mode 100644 AI/Ubiquitous-Computing.md delete mode 100644 AI/Ubiquitous-Language-Encoding.md delete mode 100644 AI/Union-Types-vs-Overloading.md delete mode 100644 AI/Universal-Design-Principles.md delete mode 100644 AI/Urban Resilience Strategies.md delete mode 100644 AI/Urban-Planning.md delete mode 100644 AI/Utility Theory.md delete mode 100644 AI/VIA Institute on Character.md delete mode 100644 AI/Value Object Pattern.md delete mode 100644 AI/Value-Objects.md delete mode 100644 AI/Variational-Autoencoders.md delete mode 100644 AI/Visual Positioning Systems (VPS).md delete mode 100644 AI/WAI-ARIA-Accessible-Rich-Internet-Applications.md delete mode 100644 AI/Wang-Tiles.md delete mode 100644 AI/Watermarking (AI 워터마킹).md delete mode 100644 AI/Wavefunction-Collapse-Algorithm.md delete mode 100644 AI/Web Performance Optimization.md delete mode 100644 AI/Web-Content-Accessibility-Guidelines-WCAG.md delete mode 100644 AI/WebSplatter (3D Gaussian Splatting).md delete mode 100644 AI/Wellbeing-Science.md delete mode 100644 AI/Width-Subtyping.md delete mode 100644 AI/Wikidata.md delete mode 100644 AI/Work-Engagement-Models.md delete mode 100644 AI/World of Warcraft (Gold Sink Mechanics).md delete mode 100644 AI/_뇌와 팔다리의 분리_ - 관심사의 분리 (Separation of Concerns).md delete mode 100644 AI/agargaro의 오픈 소스 라이브러리.md delete mode 100644 AI/clinicjs.md delete mode 100644 AI/e스포츠 인지 상태 및 성과 위험 평가.md delete mode 100644 AI/가상화 (Virtualization).md delete mode 100644 AI/강화학습 (Reinforcement Learning).md delete mode 100644 AI/공급망 공격 (Supply Chain Attack).md delete mode 100644 AI/대규모 React 프론트엔드 최적화.md delete mode 100644 AI/도메인 주도 설계 (Domain-Driven Design DDD).md delete mode 100644 AI/도파민 보상 체계 (Dopaminergic Reward System).md delete mode 100644 AI/디자인 시스템 (Design Systems).md delete mode 100644 AI/마이크로서비스 아키텍처 (Microservices Architecture).md delete mode 100644 AI/벡터 데이터베이스 (Vector Database).md delete mode 100644 AI/보존 경로(Retaining Path).md delete mode 100644 AI/보편적 언어 (Ubiquitous Language).md delete mode 100644 AI/브라우저 메모리 누수 탐지(Browser Memory Leak Detection).md delete mode 100644 AI/비즈니스 도메인 모델링 (Business Domain Modeling).md delete mode 100644 AI/빌보드 임포스터(Billboard Impostors).md delete mode 100644 AI/상태 관리 최적화 (Zustand Jotai Valtio).md delete mode 100644 AI/서플라이 체인 보안 (Supply Chain Security).md delete mode 100644 AI/소프트웨어 개발 수명 주기 (SDLC).md delete mode 100644 AI/스캐빈저(Scavenger).md delete mode 100644 AI/시뮬레이터 멀미 설문지(SSQ).md delete mode 100644 AI/시뮬레이터 멀미 설문지(Simulator Sickness Questionnaire).md delete mode 100644 AI/애그리거트 (Aggregates).md delete mode 100644 AI/양자화 (Quantization).md delete mode 100644 AI/에듀테크 기반 게이미피케이션 전략.md delete mode 100644 AI/연합 학습 (Associative Learning).md delete mode 100644 AI/오사카 엑스포 2025 호쿠사이 인스톨레이션(Hokusai installation).md delete mode 100644 AI/온톨로지 (Ontology).md delete mode 100644 AI/온톨로지 지식 베이스.md delete mode 100644 AI/유비쿼터스 언어 (Ubiquitous Language).md delete mode 100644 AI/인간-컴퓨터 상호작용 (HCI).md delete mode 100644 AI/인공지능 상호작용 (HAI).md delete mode 100644 AI/인적 자원 관리(HRM) 전략 수립.md delete mode 100644 AI/인지 행동 치료 (CBT).md delete mode 100644 AI/인지행동치료(CBT).md delete mode 100644 AI/인터랙티브 스토리텔링 연구.md delete mode 100644 AI/정적 애플리케이션 보안 테스트 (SAST).md delete mode 100644 AI/정적 애플리케이션 보안 테스트(SAST).md delete mode 100644 AI/지식 베이스 (Knowledge Base).md delete mode 100644 AI/직렬화(Serialization) 및 병목 현상.md delete mode 100644 AI/창발 능력 (Emergent Abilities).md delete mode 100644 AI/카산드라(Cassandra).md delete mode 100644 AI/코드 리뷰(Code Review).md delete mode 100644 AI/풀 리퀘스트 워크플로우.md delete mode 100644 AI/풀 리퀘스트(PR) 기반 보안 검토.md delete mode 100644 AI/프론트엔드 및 Nodejs 개발 워크플로우.md delete mode 100644 AI/하이브리드 코드 리뷰 (Hybrid Code Review).md delete mode 100644 AI/하이브리드 코드 리뷰.md delete mode 100644 AI/할당 실패(Allocation Failure).md delete mode 100644 AI/함수 호출 (Function Calling).md delete mode 100644 AI/힙 스냅샷(Heap Snapshot).md delete mode 100644 API_Communication_Patterns.md delete mode 100644 Accessibility_Inclusivity.md delete mode 100644 Automation & Industry/3D Web-based HMI.md delete mode 100644 Automation/IoT.md delete mode 100644 Automation/SCADA.md delete mode 100644 Coding/AST_Traversal.md delete mode 100644 Coding/CST.md delete mode 100644 Coding/Formatting.md delete mode 100644 Coding/Parser.md delete mode 100644 Collaboration_Governance.md delete mode 100644 Communication & Tech/Algorithmic Rhetoric.md delete mode 100644 Component_Design_Patterns.md delete mode 100644 Computational Theory & Math/Graph Theory.md delete mode 100644 Computational Theory & Math/Information Theory.md delete mode 100644 Computer Science & Math/Algebraic-Data-Types.md delete mode 100644 Deployment_Final_Gate.md delete mode 100644 Design & Experience/AODA-Accessibility-for-Ontarians-with-Disabilities-Act.md delete mode 100644 Design & Experience/API 응답 및 상태 모델링 (State Modeling and API Responses).md delete mode 100644 Design & Experience/AST-Manipulation-Techniques.md delete mode 100644 Design & Experience/Abstract-Syntax-Tree-Transformation.md delete mode 100644 Design & Experience/Abstract-Syntax-Tree-Traversal.md delete mode 100644 Design & Experience/Accessibility (A11y).md delete mode 100644 Design & Experience/Accessibility-Compliance-WCAG.md delete mode 100644 Design & Experience/Additive-Type-Logic.md delete mode 100644 Design & Experience/Affective User Interfaces (AUI).md delete mode 100644 Design & Experience/Agency-in-Game-Design.md delete mode 100644 Design & Experience/Agent Communication Protocol (에이전트 통신 규약).md delete mode 100644 Design & Experience/Agile-UX-Integration.md delete mode 100644 Design & Experience/Americans-with-Disabilities-Act-ADA.md delete mode 100644 Design & Experience/Apple Human Interface Guidelines.md delete mode 100644 Design & Experience/Arkane-Studios.md delete mode 100644 Design & Experience/Assignability-Rules.md delete mode 100644 Design & Experience/Assistive-Technology-Interoperability.md delete mode 100644 Design & Experience/Atomic Design Pattern.md delete mode 100644 Design & Experience/Auction-Theory.md delete mode 100644 Design & Experience/Augmented Reality (AR) Interfaces.md delete mode 100644 Design & Experience/Automated-Client-Generation.md delete mode 100644 Design & Experience/Bay 12 Games.md delete mode 100644 Design & Experience/Bazel.md delete mode 100644 Design & Experience/Behavior-Driven-Development (BDD).md delete mode 100644 Design & Experience/BioShock (Rapture)] [Dark Souls (Environmental Lore)] [Gone Home (Domestic Narrative Architecture).md delete mode 100644 Design & Experience/Borderlands-Art-Direction.md delete mode 100644 Design & Experience/Boundary-Layer-Validation.md delete mode 100644 Design & Experience/Branded Types in TypeScript.md delete mode 100644 Design & Experience/Buck2.md delete mode 100644 Design & Experience/Business-Strategy.md delete mode 100644 Design & Experience/Causal Loop Diagramming.md delete mode 100644 Design & Experience/Choice Architecture in Digital UX.md delete mode 100644 Design & Experience/Chrome User Experience Report (CrUX).md delete mode 100644 Design & Experience/Code Formatting.md delete mode 100644 Design & Experience/Cognitive Aging Research.md delete mode 100644 Design & Experience/Cognitive Dissonance.md delete mode 100644 Design & Experience/Cognitive-Flexibility.md delete mode 100644 Design & Experience/Cognitive-Psychology.md delete mode 100644 Design & Experience/Complexity Science in Economics.md delete mode 100644 Design & Experience/Computation-Caching-Strategies.md delete mode 100644 Design & Experience/Computational Thinking.md delete mode 100644 Design & Experience/Computational-Fluid-Dynamics.md delete mode 100644 Design & Experience/Conditional-Types.md delete mode 100644 Design & Experience/Content-Strategy.md delete mode 100644 Design & Experience/Contract-Driven-Development.md delete mode 100644 Design & Experience/Contract-First-Development.md delete mode 100644 Design & Experience/Contract-Testing.md delete mode 100644 Design & Experience/Contravariance-and-Covariance.md delete mode 100644 Design & Experience/Creativity-and-Cognitive-Complexity.md delete mode 100644 Design & Experience/Critical Design.md delete mode 100644 Design & Experience/Cryptoeconomics.md delete mode 100644 Design & Experience/Dark Souls (Environmental Storytelling).md delete mode 100644 Design & Experience/Data-Sanitization.md delete mode 100644 Design & Experience/Declaration Merging.md delete mode 100644 Design & Experience/Declaration-Merging.md delete mode 100644 Design & Experience/Depth-Subtyping.md delete mode 100644 Design & Experience/Design-Thinking.md delete mode 100644 Design & Experience/Design-Tokens.md delete mode 100644 Design & Experience/Diegetic UI.md delete mode 100644 Design & Experience/Diegetic-Interface.md delete mode 100644 Design & Experience/Digital Humanities.md delete mode 100644 Design & Experience/Digital Twin Interfaces.md delete mode 100644 Design & Experience/Digital-Heritage-Preservation.md delete mode 100644 Design & Experience/Digital-Humanities.md delete mode 100644 Design & Experience/Digital-Transformation-Strategy.md delete mode 100644 Design & Experience/Divergent-Thinking.md delete mode 100644 Design & Experience/Duck-Typing.md delete mode 100644 Design & Experience/Dwarf Fortress.md delete mode 100644 Design & Experience/E-commerce-Conversion-Optimization.md delete mode 100644 Design & Experience/ESL Pro Tour.md delete mode 100644 Design & Experience/ESLint-Plugin-TypeScript.md delete mode 100644 Design & Experience/Edge-Detection-Algorithms.md delete mode 100644 Design & Experience/Educational Pedagogy (Zone of Proximal Development).md delete mode 100644 Design & Experience/Educational-Psychology.md delete mode 100644 Design & Experience/Electromyography.md delete mode 100644 Design & Experience/Environmental Storyability.md delete mode 100644 Design & Experience/Environmental Storytelling.md delete mode 100644 Design & Experience/Environmental-Storytelling.md delete mode 100644 Design & Experience/Ergodic Literature.md delete mode 100644 Design & Experience/Ergodic-Literature.md delete mode 100644 Design & Experience/Executive Function.md delete mode 100644 Design & Experience/Exhaustiveness-Checking-with-Never.md delete mode 100644 Design & Experience/FSD (Feature-Sliced Design).md delete mode 100644 Design & Experience/Fallout (Pip-Boy Mechanic).md delete mode 100644 Design & Experience/Feature-Sliced Design.md delete mode 100644 Design & Experience/Flow-Sensitive-Typing.md delete mode 100644 Design & Experience/Formalism vs Structuralism.md delete mode 100644 Design & Experience/Formalist Criticism.md delete mode 100644 Design & Experience/Game Studies (Game Studies Journal).md delete mode 100644 Design & Experience/Game Systems Design.md delete mode 100644 Design & Experience/Game-Level-Design.md delete mode 100644 Design & Experience/Game-Studies-Academic-Discourse.md delete mode 100644 Design & Experience/Game-Studies-Journal.md delete mode 100644 Design & Experience/Gamification in Pedagogy.md delete mode 100644 Design & Experience/Gamification-Mechanics.md delete mode 100644 Design & Experience/GitHub Actions.md delete mode 100644 Design & Experience/Global Augmentation.md delete mode 100644 Design & Experience/Grammar-based-Synthesis.md delete mode 100644 Design & Experience/HUD-less Design Paradigms.md delete mode 100644 Design & Experience/Haptic Feedback Technology.md delete mode 100644 Design & Experience/Hierarchical Reinforcement Learning (HRL).md delete mode 100644 Design & Experience/High-Performance-Human-Factors.md delete mode 100644 Design & Experience/Human-Computer Interaction (HCI).md delete mode 100644 Design & Experience/Human-Computer-Interaction (HCI).md delete mode 100644 Design & Experience/Human-Machine Interface (HMI) Design.md delete mode 100644 Design & Experience/Human-Robot Interaction (HRI).md delete mode 100644 Design & Experience/Human-Robot-Interaction.md delete mode 100644 Design & Experience/Hypertextuality.md delete mode 100644 Design & Experience/ISO 9241 표준.md delete mode 100644 Design & Experience/Immersive Analytics.md delete mode 100644 Design & Experience/Incremental-Compilation.md delete mode 100644 Design & Experience/Information-Architecture.md delete mode 100644 Design & Experience/Inquiry-Based Learning.md delete mode 100644 Design & Experience/Interface Segregation Principle (ISP).md delete mode 100644 Design & Experience/Interface-Extension-vs-Augmentation.md delete mode 100644 Design & Experience/Interface-Extension.md delete mode 100644 Design & Experience/Interface-Merging.md delete mode 100644 Design & Experience/Interface-Segregation-Principle-in-TypeScript.md delete mode 100644 Design & Experience/Interface-Segregation-Principle.md delete mode 100644 Design & Experience/Interoperability Standards.md delete mode 100644 Design & Experience/Intersection-Types-vs-Interface-Extension.md delete mode 100644 Design & Experience/Inverse-Kinematics.md delete mode 100644 Design & Experience/JSON-Schema-Validation.md delete mode 100644 Design & Experience/K-12-EdTech.md delete mode 100644 Design & Experience/Kinetics.md delete mode 100644 Design & Experience/Knowledge-Graph-Construction.md delete mode 100644 Design & Experience/LCS (League of Legends Championship Series).md delete mode 100644 Design & Experience/Lean-UX.md delete mode 100644 Design & Experience/Level Design Theory.md delete mode 100644 Design & Experience/Level-Design-Theory.md delete mode 100644 Design & Experience/Linguistics.md delete mode 100644 Design & Experience/Linked-Data-Principles.md delete mode 100644 Design & Experience/Liskov-Substitution-Principle.md delete mode 100644 Design & Experience/Ludo-Narrative-Dissonance.md delete mode 100644 Design & Experience/Ludo-narrative Dissonance.md delete mode 100644 Design & Experience/Ludonarrative-Dissonance.md delete mode 100644 Design & Experience/Mapped-Types.md delete mode 100644 Design & Experience/Material Design System.md delete mode 100644 Design & Experience/Material Design.md delete mode 100644 Design & Experience/Material-Design.md delete mode 100644 Design & Experience/Mechanism Design in Auctions.md delete mode 100644 Design & Experience/Mechanism Design.md delete mode 100644 Design & Experience/Mechanism-Design.md delete mode 100644 Design & Experience/Micro-Frontend-Architecture.md delete mode 100644 Design & Experience/Mobile-App-Onboarding.md delete mode 100644 Design & Experience/Module Resolution Algorithm.md delete mode 100644 Design & Experience/Module-Augmentation-Patterns.md delete mode 100644 Design & Experience/Module-Resolution-Strategy.md delete mode 100644 Design & Experience/Monorepo-Architecture-Design.md delete mode 100644 Design & Experience/Monorepo-Architecture.md delete mode 100644 Design & Experience/Monorepo-Dependency-Graph-Analysis.md delete mode 100644 Design & Experience/Monte Carlo Tree Search (MCTS).md delete mode 100644 Design & Experience/Motor-Learning-Theory.md delete mode 100644 Design & Experience/Motor-Learning.md delete mode 100644 Design & Experience/Narrative Design.md delete mode 100644 Design & Experience/Narrative Intelligence.md delete mode 100644 Design & Experience/Nash Equilibrium.md delete mode 100644 Design & Experience/Nash-Equilibrium.md delete mode 100644 Design & Experience/Ninja-Build-System.md delete mode 100644 Design & Experience/Nodejs-Backend-Architecture.md delete mode 100644 Design & Experience/Nominal Typing.md delete mode 100644 Design & Experience/Nominal-Typing-via-Branded-Types.md delete mode 100644 Design & Experience/Nominal-Typing-vs-Structural-Typing.md delete mode 100644 Design & Experience/Nominal-vs-Structural-Typing.md delete mode 100644 Design & Experience/Non-Diegetic UI.md delete mode 100644 Design & Experience/Nx-Build-System.md delete mode 100644 Design & Experience/Object-Literal-Assignment.md delete mode 100644 Design & Experience/Object-Oriented-Interface-Design.md delete mode 100644 Design & Experience/Occupational-Ergonomics.md delete mode 100644 Design & Experience/OpenAPI-Specification.md delete mode 100644 Design & Experience/Optimal-Experience-Research.md delete mode 100644 Design & Experience/Organizational Learning Culture.md delete mode 100644 Design & Experience/Organizational-Innovation-Management.md delete mode 100644 Design & Experience/Orthopedic-Implant-Validation.md delete mode 100644 Design & Experience/Player Agency.md delete mode 100644 Design & Experience/Player-Autonomy.md delete mode 100644 Design & Experience/Political-Philosophy-in-Games.md delete mode 100644 Design & Experience/Product-Analytics-Infrastructure.md delete mode 100644 Design & Experience/Protocol-Buffers-TypeScript.md delete mode 100644 Design & Experience/Public Policy Design.md delete mode 100644 Design & Experience/Quantum-Computing-Simulations.md delete mode 100644 Design & Experience/Rapier 물리 엔진 스냅샷(Snapshot) 기반 상태 복원.md delete mode 100644 Design & Experience/React Native 게임 최적화 (JSI Hermes).md delete mode 100644 Design & Experience/React Performance Optimization.md delete mode 100644 Design & Experience/React 상태 관리 (React State Management).md delete mode 100644 Design & Experience/React 상태 관리 및 API 응답 처리.md delete mode 100644 Design & Experience/React 컴포넌트 Props 검증.md delete mode 100644 Design & Experience/Redstone Engineering.md delete mode 100644 Design & Experience/Redux 등 상태 관리 (State Management).md delete mode 100644 Design & Experience/Redux 스타일 리듀서 및 액션 관리.md delete mode 100644 Design & Experience/Redux-Reducers.md delete mode 100644 Design & Experience/Redux-Toolkit-Architecture.md delete mode 100644 Design & Experience/Reinforcement Learning Reward Shaping.md delete mode 100644 Design & Experience/Roguelike Subgenre.md delete mode 100644 Design & Experience/SeL4-Microkernel.md delete mode 100644 Design & Experience/Self-Determination Theory.md delete mode 100644 Design & Experience/Self-Determination-Theory.md delete mode 100644 Design & Experience/Service-Design.md delete mode 100644 Design & Experience/SimCity-Series.md delete mode 100644 Design & Experience/Single-Responsibility-Principle.md delete mode 100644 Design & Experience/Single-Source-of-Truth-Principle.md delete mode 100644 Design & Experience/Smithsonian-Digital-Repository.md delete mode 100644 Design & Experience/Snyk Open Source.md delete mode 100644 Design & Experience/Social Learning Theory.md delete mode 100644 Design & Experience/Socially Assistive Robotics (SAR).md delete mode 100644 Design & Experience/Software Architecture API Contract Design.md delete mode 100644 Design & Experience/Software-Contract-Enforcement.md delete mode 100644 Design & Experience/Software-Product-Management.md delete mode 100644 Design & Experience/Spatial Cognition.md delete mode 100644 Design & Experience/Spatial Computing.md delete mode 100644 Design & Experience/State-Machine-Implementation.md delete mode 100644 Design & Experience/Static Type Checking Systems.md delete mode 100644 Design & Experience/Static-Program-Analysis.md delete mode 100644 Design & Experience/Structural Type System.md delete mode 100644 Design & Experience/Structural-Subtyping.md delete mode 100644 Design & Experience/Structural-Type-System.md delete mode 100644 Design & Experience/Structural-Typing-Analysis.md delete mode 100644 Design & Experience/Structural-Typing-Compatibility.md delete mode 100644 Design & Experience/Structural-Typing-Mechanics.md delete mode 100644 Design & Experience/Structural-Typing-Mechanisms.md delete mode 100644 Design & Experience/Structural-Typing-System.md delete mode 100644 Design & Experience/Structural-Typing-and-Compatibility.md delete mode 100644 Design & Experience/Structural-Typing-vs-Nominal-Typing.md delete mode 100644 Design & Experience/Structural-Typing.md delete mode 100644 Design & Experience/Structural-vs-Nominal-Typing-in-TS.md delete mode 100644 Design & Experience/Structural-vs-Nominal-Typing.md delete mode 100644 Design & Experience/Subtyping-Relations.md delete mode 100644 Design & Experience/Subtyping-Rules.md delete mode 100644 Design & Experience/Subtyping-and-Variance.md delete mode 100644 Design & Experience/Systemic Design.md delete mode 100644 Design & Experience/Systemic Game Design.md delete mode 100644 Design & Experience/Systemic-Design.md delete mode 100644 Design & Experience/Systems-Thinking.md delete mode 100644 Design & Experience/Template-Literal-Types.md delete mode 100644 Design & Experience/The Emergence Theory in Game Design.md delete mode 100644 Design & Experience/The Last of Us (Resource Scarcity and Character Bond).md delete mode 100644 Design & Experience/Topological-Sorting.md delete mode 100644 Design & Experience/Touchpoint-Analysis.md delete mode 100644 Design & Experience/Tree Shaking (번들 크기 최적화).md delete mode 100644 Design & Experience/Turborepo-Orchestration.md delete mode 100644 Design & Experience/Type Alias.md delete mode 100644 Design & Experience/Type Branding.md delete mode 100644 Design & Experience/Type Declaration.md delete mode 100644 Design & Experience/Type-Aware-Linting.md delete mode 100644 Design & Experience/Type-Compatibility-Rules.md delete mode 100644 Design & Experience/Type-Compatibility-and-Subtyping.md delete mode 100644 Design & Experience/Type-Compatibility.md delete mode 100644 Design & Experience/Type-Composition-via-Intersections.md delete mode 100644 Design & Experience/Type-Driven-Development.md delete mode 100644 Design & Experience/Type-Erasure-and-Runtime-Behavior.md delete mode 100644 Design & Experience/Type-Guards-and-Narrowing.md delete mode 100644 Design & Experience/Type-Narrowing.md delete mode 100644 Design & Experience/Type-Safe-API-Design.md delete mode 100644 Design & Experience/Type-Safety-and-Exhaustiveness-Checking.md delete mode 100644 Design & Experience/Type-Safety.md delete mode 100644 Design & Experience/Type-Variance-in-TypeScript.md delete mode 100644 Design & Experience/TypeScript Compiler API.md delete mode 100644 Design & Experience/TypeScript Type System (Interface Design).md delete mode 100644 Design & Experience/TypeScript 라이브러리 타입 확장.md delete mode 100644 Design & Experience/TypeScript 인터페이스 및 시스템 보호 아키텍처 설계.md delete mode 100644 Design & Experience/TypeScript 컴파일러 캐싱 최적화.md delete mode 100644 Design & Experience/TypeScript-Compiler-API-Design.md delete mode 100644 Design & Experience/TypeScript-Compiler-API.md delete mode 100644 Design & Experience/TypeScript-Compiler-Architecture.md delete mode 100644 Design & Experience/TypeScript-Language-Service-API.md delete mode 100644 Design & Experience/TypeScript-Project-References.md delete mode 100644 Design & Experience/TypeScript의 안전한 인터페이스 설계.md delete mode 100644 Design & Experience/TypeScript의 인터페이스 및 객체 타입 설계.md delete mode 100644 Design & Experience/UX-Gamification.md delete mode 100644 Design & Experience/UX_UI in Interactive Media.md delete mode 100644 Design & Experience/Unified-User-Experience.md delete mode 100644 Design & Experience/Union-Types.md delete mode 100644 Design & Experience/Urban-Morphology.md delete mode 100644 Design & Experience/Urban-Planning-Simulations.md delete mode 100644 Design & Experience/User Experience (UX) Design.md delete mode 100644 Design & Experience/User Experience (UX) in Game Design.md delete mode 100644 Design & Experience/User-Experience-Design.md delete mode 100644 Design & Experience/Variance (Covariance Contravariance Invariance).md delete mode 100644 Design & Experience/Variance-(Covariance-Contravariance-Invariance).md delete mode 100644 Design & Experience/Variance-Covariance-Contravariance.md delete mode 100644 Design & Experience/Video Game Design.md delete mode 100644 Design & Experience/Visual-Hierarchy-in-Game-Design.md delete mode 100644 Design & Experience/Von Neumann-Morgenstern Axioms.md delete mode 100644 Design & Experience/W3C-Semantic-Web-Standards.md delete mode 100644 Design & Experience/Wayfinding-Design.md delete mode 100644 Design & Experience/Wicked-Problems.md delete mode 100644 Design & Experience/Width-and-Depth-Subtyping.md delete mode 100644 Design & Experience/Zod-Runtime-Validation.md delete mode 100644 Design & Experience/Zod-Schema-Validation.md delete mode 100644 Design & Experience/eSports Performance Psychology.md delete mode 100644 Design & Experience/가상 DOM (Virtual DOM).md delete mode 100644 Design & Experience/계층형 아키텍처 (Layered Architecture).md delete mode 100644 Design & Experience/고성능 실시간 상호작용 시스템을 위한 React 기반 게임 엔진 아키텍처.md delete mode 100644 Design & Experience/교육 심리학에서의 보상 설계.md delete mode 100644 Design & Experience/교육학의 모델링 전략.md delete mode 100644 Design & Experience/뇌과학 기반 중독 재활 프로그램.md delete mode 100644 Design & Experience/대규모 프론트엔드 웹 프로젝트 폴더 구조화.md delete mode 100644 Design & Experience/데이터 지향 설계 (Data-Oriented Design).md delete mode 100644 Design & Experience/도메인 주도 설계 (DDD).md delete mode 100644 Design & Experience/도메인 주도 설계(DDD).md delete mode 100644 Design & Experience/도파민 보상 체계.md delete mode 100644 Design & Experience/라이브러리 타입 선언 (dts) 확장.md delete mode 100644 Design & Experience/마이크로 프론트엔드 (Micro Frontends).md delete mode 100644 Design & Experience/맞춤형 개별화 학습 설계.md delete mode 100644 Design & Experience/모바일 앱 및 웹 인터페이스 설계.md delete mode 100644 Design & Experience/몰입감 (Presence).md delete mode 100644 Design & Experience/바운디드 컨텍스트 (Bounded Context).md delete mode 100644 Design & Experience/반응형 윈도우 리사이즈(Resize) 이벤트 처리.md delete mode 100644 Design & Experience/비동기 데이터 패칭 (Async Operations Pattern).md delete mode 100644 Design & Experience/사용성 공학 (Usability Engineering).md delete mode 100644 Design & Experience/사용자 경험 (UX) 디자인.md delete mode 100644 Design & Experience/사용자 경험 (UX).md delete mode 100644 Design & Experience/사용자 경험 디자인 (UX Design).md delete mode 100644 Design & Experience/사회 인지 이론(Social Cognitive Theory).md delete mode 100644 Design & Experience/상태 관리 최적화 (Zustand Valtio).md delete mode 100644 Design & Experience/상태 관리(State Management).md delete mode 100644 Design & Experience/상태 머신 (State Machine) 모델링 및 Redux 액션_리듀서 설계.md delete mode 100644 Design & Experience/상태 모델링 (State Modeling).md delete mode 100644 Design & Experience/선언 병합(Declaration Merging).md delete mode 100644 Design & Experience/소프트웨어 시스템 설계 및 아키텍처 구축.md delete mode 100644 Design & Experience/실시간 데이터 대시보드 레이아웃 조절 시스템.md delete mode 100644 Design & Experience/아보(Bobo) 인형 실험.md delete mode 100644 Design & Experience/엔티티 (Entities).md delete mode 100644 Design & Experience/응용 행동 분석(ABA)] [행동 경제학] [교육 심리학의 행동주의 모델.md delete mode 100644 Design & Experience/의존성 규칙 (Dependency Rule).md delete mode 100644 Design & Experience/인간 요인 공학 (Human Factors Engineering).md delete mode 100644 Design & Experience/인지 부조화 이론.md delete mode 100644 Design & Experience/인지 부하 이론(Cognitive Load Theory).md delete mode 100644 Design & Experience/인지 심리학 (Cognitive Psychology).md delete mode 100644 Design & Experience/인지 평가 이론 (Cognitive Evaluation Theory).md delete mode 100644 Design & Experience/인터페이스 (Interface).md delete mode 100644 Design & Experience/인터페이스 분리 원칙 (Interface Segregation Principle).md delete mode 100644 Design & Experience/자기 효능감 (Self-Efficacy).md delete mode 100644 Design & Experience/자기 효능감(Self-Efficacy).md delete mode 100644 Design & Experience/자기조절학습(Self-Regulated Learning).md delete mode 100644 Design & Experience/재조정 (Reconciliation).md delete mode 100644 Design & Experience/조직 시민 행동 (OCB).md delete mode 100644 Design & Experience/조직 행동론의 성과급 체계 분석.md delete mode 100644 Design & Experience/중독 의학 및 정신 병리학.md delete mode 100644 Design & Experience/중독 재활 프로그램.md delete mode 100644 Design & Experience/철벽 수비대_ - TypeScript 타입 시스템 (인터페이스 설계).md delete mode 100644 Design & Experience/치타 사람 이미지 프롬프트.md delete mode 100644 Design & Experience/컴포넌트 기반 웹 프레임워크 아키텍처 설계.md delete mode 100644 Design & Experience/클린 아키텍처 (Clean Architecture).md delete mode 100644 Design & Experience/클린 아키텍처(Clean Architecture).md delete mode 100644 Design & Experience/클린 아키텍처.md delete mode 100644 Design & Experience/타입 가드 (Type Guards).md delete mode 100644 Design & Experience/타입 별칭 (Type Alias).md delete mode 100644 Design & Experience/테스트 용이성 (Testability).md delete mode 100644 Design & Experience/프론트엔드 컴포넌트 구조화.md delete mode 100644 Design & Experience/프론트엔드 컴포넌트 설계.md delete mode 100644 Design & Experience/플레이어 경험 디자인 (Player Experience Design).md delete mode 100644 Design & Experience/행동 치료 및 인지 행동 치료 (CBT).md delete mode 100644 Design & Experience/현대 웹 애플리케이션 설계.md delete mode 100644 Design & Web Performance/Core Web Vitals.md delete mode 100644 Design/Accessibility.md delete mode 100644 Design/Cognitive_Load.md delete mode 100644 Design/CrUX.md delete mode 100644 Design/HCI.md delete mode 100644 Design/Inclusive_Design.md delete mode 100644 DevOps_Environment_Setup.md delete mode 100644 Developer Productivity Tracking.md delete mode 100644 Economics & Algorithms/Algorithmic Mechanism Design.md delete mode 100644 Economics & Algorithms/Auction Theory.md delete mode 100644 Education & AI/Adaptive-Learning-Systems.md delete mode 100644 Education/Adaptive_Learning.md delete mode 100644 Financial Modeling & Math/Quantitative Finance.md delete mode 100644 Frontend & Concurrency/Web Worker (웹 워커).md delete mode 100644 Game Design & Math/Algorithmic Game Theory.md delete mode 100644 Game Design/ARG-Alternate-Reality-Games.md delete mode 100644 Game Design/Agency and Player Autonomy.md delete mode 100644 Game Design/Albion Online (Full LootPlayer-Driven Production).md delete mode 100644 Game Design/Arkane Studios.md delete mode 100644 Game Design/Cyber-Physical Systems (CPS).md delete mode 100644 Game Design/Elite-Athletic-Development.md delete mode 100644 Game Design/Post-Modernist Literature in Gaming.md delete mode 100644 Game Design/Quantum-Game-Theory.md delete mode 100644 Game Design/Roguelike Procedural Generation.md delete mode 100644 Game Design/Systems Biology.md delete mode 100644 Game Design/인문학적 게임 비평 및 서사학.md delete mode 100644 General Knowledge/2026-04-15.md delete mode 100644 General Knowledge/Blog_Content_Rules.md delete mode 100644 General Knowledge/Blog_Title_Rules.md delete mode 100644 General Knowledge/Brand-Identity-Management.md delete mode 100644 General Knowledge/Code Splitting Lazy Loading.md delete mode 100644 General Knowledge/Description-Logics.md delete mode 100644 General Knowledge/Dopamine Signaling.md delete mode 100644 General Knowledge/Markov-Random-Fields.md delete mode 100644 General Knowledge/Metaverse Aesthetics.md delete mode 100644 General Knowledge/Model-Free RL vs Model-Based RL.md delete mode 100644 General Knowledge/Motion-Capture-Retargeting.md delete mode 100644 General Knowledge/Mycological Horror.md delete mode 100644 General Knowledge/OffscreenCanvas (멀티스레딩).md delete mode 100644 General Knowledge/README.md delete mode 100644 General Knowledge/SharedArrayBuffer 보안 이슈와 Cross-Origin Isolation 설정법.md delete mode 100644 General Knowledge/Variance-Rules.md delete mode 100644 General Knowledge/마크-스위프-컴팩트(Mark-Sweep-Compact).md delete mode 100644 General Knowledge/무제.md delete mode 100644 General Knowledge/이벤트 포워딩(Event Forwarding).md delete mode 100644 General Knowledge/환영합니다.md delete mode 100644 Graphics & Performance/3D Gaussian Splatting (3DGS).md delete mode 100644 Graphics & Performance/ANGLE (Almost Native Graphics Layer Engine).md delete mode 100644 Graphics & Performance/ANGLE.md delete mode 100644 Graphics & Performance/Agency-Narrative Integration.md delete mode 100644 Graphics & Performance/Alpha Blending.md delete mode 100644 Graphics & Performance/Apple-Human-Interface-Guidelines.md delete mode 100644 Graphics & Performance/Augmented Reality (AR).md delete mode 100644 Graphics & Performance/Augmented Reality Navigation Systems.md delete mode 100644 Graphics & Performance/Autonomous Vehicle Perception.md delete mode 100644 Graphics & Performance/BIM 모델 렌더링.md delete mode 100644 Graphics & Performance/BIM 모델 시뮬레이션.md delete mode 100644 Graphics & Performance/BVH.md delete mode 100644 Graphics & Performance/Babylonjs.md delete mode 100644 Graphics & Performance/BatchedMesh 및 InstancedMesh 성능 벤치마크.md delete mode 100644 Graphics & Performance/BatchedMesh.md delete mode 100644 Graphics & Performance/Batching.md delete mode 100644 Graphics & Performance/Behavioral Economics in Digital Ecosystems.md delete mode 100644 Graphics & Performance/Behavioral Economics.md delete mode 100644 Graphics & Performance/Bio-mechanical-Modeling.md delete mode 100644 Graphics & Performance/Bioregionalism.md delete mode 100644 Graphics & Performance/Bounding Volume Hierarchy (BVH).md delete mode 100644 Graphics & Performance/Buffer Allocation.md delete mode 100644 Graphics & Performance/BufferAttribute.md delete mode 100644 Graphics & Performance/BufferGeometry.md delete mode 100644 Graphics & Performance/CPU Bottleneck.md delete mode 100644 Graphics & Performance/CPU Overhead.md delete mode 100644 Graphics & Performance/Cel-Shading-Techniques.md delete mode 100644 Graphics & Performance/Cellular Automata.md delete mode 100644 Graphics & Performance/Cesium.md delete mode 100644 Graphics & Performance/Chrome (Blink_Dawn).md delete mode 100644 Graphics & Performance/Chrome WebGPU 구현.md delete mode 100644 Graphics & Performance/Chrome _ Blink WebGPU Implementation.md delete mode 100644 Graphics & Performance/Chrome.md delete mode 100644 Graphics & Performance/Chromium WebGPU Implementation.md delete mode 100644 Graphics & Performance/Cognitive Load Theory.md delete mode 100644 Graphics & Performance/Cognitive-Load-Theory.md delete mode 100644 Graphics & Performance/Collaborative Learning Environments.md delete mode 100644 Graphics & Performance/Competitive Esports Ecosystems.md delete mode 100644 Graphics & Performance/Complexity-Theory.md delete mode 100644 Graphics & Performance/Computational Ecology.md delete mode 100644 Graphics & Performance/Computational Geometry.md delete mode 100644 Graphics & Performance/Compute Shader.md delete mode 100644 Graphics & Performance/Compute Shaders.md delete mode 100644 Graphics & Performance/Computer-Vision-Synthesis.md delete mode 100644 Graphics & Performance/Creative Process.md delete mode 100644 Graphics & Performance/Critical-Play.md delete mode 100644 Graphics & Performance/Cultural-Heritage-Informatics.md delete mode 100644 Graphics & Performance/CyArk.md delete mode 100644 Graphics & Performance/Cybertext Theory.md delete mode 100644 Graphics & Performance/DBpedia.md delete mode 100644 Graphics & Performance/Data Array Textures.md delete mode 100644 Graphics & Performance/Digital Sandbox Theory.md delete mode 100644 Graphics & Performance/Digital Twin Visualization.md delete mode 100644 Graphics & Performance/Direct3D.md delete mode 100644 Graphics & Performance/Drama-Management-Systems.md delete mode 100644 Graphics & Performance/Draw Call.md delete mode 100644 Graphics & Performance/Dual-Track-Agile.md delete mode 100644 Graphics & Performance/Duolingo (Language Learning)] [Fitness Tracking Apps (Strava_Fitbit)] [EdTech Gamification] [FinTech Engagement Strategies.md delete mode 100644 Graphics & Performance/Dynamic Assessment.md delete mode 100644 Graphics & Performance/Dynamical Systems Theory.md delete mode 100644 Graphics & Performance/EXT_disjoint_timer_query.md delete mode 100644 Graphics & Performance/Ecosystem-Modeling.md delete mode 100644 Graphics & Performance/EdTech (Gamified Learning).md delete mode 100644 Graphics & Performance/Educational-Gamification.md delete mode 100644 Graphics & Performance/Embodied Cognition in Virtual Reality.md delete mode 100644 Graphics & Performance/Employee Engagement Systems.md delete mode 100644 Graphics & Performance/Epidemiological Forecasting.md delete mode 100644 Graphics & Performance/Epidemiological Modeling.md delete mode 100644 Graphics & Performance/Expressjs-Type-Extensions.md delete mode 100644 Graphics & Performance/FXAA.md delete mode 100644 Graphics & Performance/Fill Rate.md delete mode 100644 Graphics & Performance/Flow State Theory.md delete mode 100644 Graphics & Performance/Formal-Grammar.md delete mode 100644 Graphics & Performance/Formalism-vs-Structuralism.md delete mode 100644 Graphics & Performance/Formalist Game Design.md delete mode 100644 Graphics & Performance/Fragment Shading.md delete mode 100644 Graphics & Performance/Fragment-bound.md delete mode 100644 Graphics & Performance/Frustum Culling.md delete mode 100644 Graphics & Performance/GPU Resources.md delete mode 100644 Graphics & Performance/GPU for the Web Community Group.md delete mode 100644 Graphics & Performance/GPU-driven Rendering.md delete mode 100644 Graphics & Performance/GPURenderBundles.md delete mode 100644 Graphics & Performance/GPU_WebGL 파이프라인의 미세 지연(Micro-latency) 측정 사례.md delete mode 100644 Graphics & Performance/Game Studies (Academic Discipline).md delete mode 100644 Graphics & Performance/Game Theory (Economics).md delete mode 100644 Graphics & Performance/Game Theory and Market Equilibrium.md delete mode 100644 Graphics & Performance/Game Theory.md delete mode 100644 Graphics & Performance/Gamification-Design.md delete mode 100644 Graphics & Performance/Garbage Collection.md delete mode 100644 Graphics & Performance/Geometry Merging.md delete mode 100644 Graphics & Performance/Graph Theory in Level Design.md delete mode 100644 Graphics & Performance/HMD(Head-Mounted Display) 기반 엑서게임 환경.md delete mode 100644 Graphics & Performance/HTML5 Canvas.md delete mode 100644 Graphics & Performance/High Resolution Time.md delete mode 100644 Graphics & Performance/Human-Centered Design.md delete mode 100644 Graphics & Performance/Human-Computer-Interaction-HCI.md delete mode 100644 Graphics & Performance/IFCjs (Fragment).md delete mode 100644 Graphics & Performance/ISO 9241 Standards.md delete mode 100644 Graphics & Performance/Immersive Educational Simulations.md delete mode 100644 Graphics & Performance/Indirect Draw.md delete mode 100644 Graphics & Performance/InstancedMesh (드로우 콜 최적화).md delete mode 100644 Graphics & Performance/InstancedMesh2.md delete mode 100644 Graphics & Performance/Instancing.md delete mode 100644 Graphics & Performance/Instructional Systems Design (ISD).md delete mode 100644 Graphics & Performance/Instructional-Design.md delete mode 100644 Graphics & Performance/Interactive Storytelling.md delete mode 100644 Graphics & Performance/Interactive-Storytelling.md delete mode 100644 Graphics & Performance/Internet of Things (IoT) Telemetry.md delete mode 100644 Graphics & Performance/Intrinsic Motivation.md delete mode 100644 Graphics & Performance/JavaScript.md delete mode 100644 Graphics & Performance/Knowledge-Graphs.md delete mode 100644 Graphics & Performance/Looking-Glass-Studios.md delete mode 100644 Graphics & Performance/Loot Box Regulation (EU_China Compliance).md delete mode 100644 Graphics & Performance/Ludology.md delete mode 100644 Graphics & Performance/MDA Framework.md delete mode 100644 Graphics & Performance/MDA-Framework.md delete mode 100644 Graphics & Performance/Markov Decision Process (MDP).md delete mode 100644 Graphics & Performance/Markov Decision Processes.md delete mode 100644 Graphics & Performance/Mathematical Game Theory.md delete mode 100644 Graphics & Performance/Measure Theory.md delete mode 100644 Graphics & Performance/Memory Leak Prevention 메모리 누수 방지.md delete mode 100644 Graphics & Performance/Memory Leaks.md delete mode 100644 Graphics & Performance/Memory Management.md delete mode 100644 Graphics & Performance/MeshStandardMaterial 조명 연산.md delete mode 100644 Graphics & Performance/Meta Quest_Horizon OS.md delete mode 100644 Graphics & Performance/Metal.md delete mode 100644 Graphics & Performance/Metaverse Architecture.md delete mode 100644 Graphics & Performance/Micro-latency.md delete mode 100644 Graphics & Performance/Minecraft.md delete mode 100644 Graphics & Performance/Minecraft_ Education Edition.md delete mode 100644 Graphics & Performance/Mobile Gaming Monetization Strategies.md delete mode 100644 Graphics & Performance/Multi-threaded Architecture.md delete mode 100644 Graphics & Performance/NASA-Jet-Propulsion-Laboratory-Software-Standards.md delete mode 100644 Graphics & Performance/NVIDIA Omniverse.md delete mode 100644 Graphics & Performance/Narrative-Branching-Models.md delete mode 100644 Graphics & Performance/Narratology.md delete mode 100644 Graphics & Performance/Needle Engine.md delete mode 100644 Graphics & Performance/Object Pooling.md delete mode 100644 Graphics & Performance/OffscreenCanvas Safari 제약 사항.md delete mode 100644 Graphics & Performance/OffscreenCanvas 기반 멀티스레드 렌더링 구현.md delete mode 100644 Graphics & Performance/OffscreenCanvas.md delete mode 100644 Graphics & Performance/Open Metaverse Framework.md delete mode 100644 Graphics & Performance/Open-World Design Paradigms.md delete mode 100644 Graphics & Performance/OpenGL ES 20.md delete mode 100644 Graphics & Performance/OpenGL ES.md delete mode 100644 Graphics & Performance/Opera.md delete mode 100644 Graphics & Performance/Operant Conditioning.md delete mode 100644 Graphics & Performance/PBR.md delete mode 100644 Graphics & Performance/Perlin Noise.md delete mode 100644 Graphics & Performance/Physics Engine Integration.md delete mode 100644 Graphics & Performance/Positive Psychology.md delete mode 100644 Graphics & Performance/Positive-Psychology.md delete mode 100644 Graphics & Performance/Post-Acute-Care-Models.md delete mode 100644 Graphics & Performance/Post-humanism.md delete mode 100644 Graphics & Performance/Probabilistic-Graphical-Models.md delete mode 100644 Graphics & Performance/Problem-Solving-Theory.md delete mode 100644 Graphics & Performance/Procedural-Animation.md delete mode 100644 Graphics & Performance/R3F 3D 게임 환경의 메모리 관리.md delete mode 100644 Graphics & Performance/RDF와 OWL.md delete mode 100644 Graphics & Performance/Radix Sort.md delete mode 100644 Graphics & Performance/Raycaster.md delete mode 100644 Graphics & Performance/Raycasting.md delete mode 100644 Graphics & Performance/React 19 Compiler의 Threejs 런타임 성능 개선 원리.md delete mode 100644 Graphics & Performance/React Three Fiber (R3F).md delete mode 100644 Graphics & Performance/React Three Fiber 자산 최적화 (Asset Optimization).md delete mode 100644 Graphics & Performance/React Three Fiber에서 Rapier 물리 엔진 최적화하기.md delete mode 100644 Graphics & Performance/React 기반 게임 엔진 아키텍처.md delete mode 100644 Graphics & Performance/React 동시성 기능 (Concurrent Features).md delete mode 100644 Graphics & Performance/Redux-Reducer-Pattern.md delete mode 100644 Graphics & Performance/Revit glTF Export.md delete mode 100644 Graphics & Performance/Revit 모델 렌더링.md delete mode 100644 Graphics & Performance/Robotics-Control-Systems.md delete mode 100644 Graphics & Performance/Role-Playing-Games (RPGs).md delete mode 100644 Graphics & Performance/Rowhammer attack.md delete mode 100644 Graphics & Performance/Rowhammer.md delete mode 100644 Graphics & Performance/SLA-Definition.md delete mode 100644 Graphics & Performance/SaaS-Retention-Strategies.md delete mode 100644 Graphics & Performance/Sandbox-Simulation.md delete mode 100644 Graphics & Performance/Search-Based Procedural Content Generation (SBPCG).md delete mode 100644 Graphics & Performance/Semantic Versioning (SemVer) in Type Safety.md delete mode 100644 Graphics & Performance/Semantic-Web-Technologies.md delete mode 100644 Graphics & Performance/Semantic-Web.md delete mode 100644 Graphics & Performance/Semiotics in Media.md delete mode 100644 Graphics & Performance/Sensor Fusion.md delete mode 100644 Graphics & Performance/Service-Dominant-Logic.md delete mode 100644 Graphics & Performance/SharedArrayBuffer.md delete mode 100644 Graphics & Performance/Simulations of Social Systems.md delete mode 100644 Graphics & Performance/Simultaneous Localization and Mapping (SLAM).md delete mode 100644 Graphics & Performance/SkinnedMesh.md delete mode 100644 Graphics & Performance/Skybound Protocol 기술 메뉴얼 및 개발자 가이드.md delete mode 100644 Graphics & Performance/Smart City Digital Twins.md delete mode 100644 Graphics & Performance/Smart-City-Frameworks.md delete mode 100644 Graphics & Performance/Sorting.md delete mode 100644 Graphics & Performance/Spatial Partitioning.md delete mode 100644 Graphics & Performance/Special Education Interventions.md delete mode 100644 Graphics & Performance/Spectre and Meltdown.md delete mode 100644 Graphics & Performance/Speculative Biology.md delete mode 100644 Graphics & Performance/Spring Framework.md delete mode 100644 Graphics & Performance/Structuralism.md delete mode 100644 Graphics & Performance/Surgical-Robotics.md delete mode 100644 Graphics & Performance/Systemic-Design-Frameworks.md delete mode 100644 Graphics & Performance/Systems Theory.md delete mode 100644 Graphics & Performance/TLB design.md delete mode 100644 Graphics & Performance/TSL (Three Shader Language).md delete mode 100644 Graphics & Performance/Temporal-Logic.md delete mode 100644 Graphics & Performance/Texture Compression.md delete mode 100644 Graphics & Performance/The Rapture Setting.md delete mode 100644 Graphics & Performance/The-Space-Syntax-Laboratory.md delete mode 100644 Graphics & Performance/Three Shader Language (TSL).md delete mode 100644 Graphics & Performance/Three.js 렌더링 최적화.md delete mode 100644 Graphics & Performance/Threejs WebGL Rendering Optimization.md delete mode 100644 Graphics & Performance/Threejs WebGPU 파티클 예제.md delete mode 100644 Graphics & Performance/Threejs 대규모 렌더링 최적화 파이프라인.md delete mode 100644 Graphics & Performance/Threejs 렌더링 성능 최적화.md delete mode 100644 Graphics & Performance/Threejs 렌더링 최적화.md delete mode 100644 Graphics & Performance/Threejs 모바일 렌더링 최적화.md delete mode 100644 Graphics & Performance/Threejs 자원 해제 (Dispose).md delete mode 100644 Graphics & Performance/Threejs.md delete mode 100644 Graphics & Performance/Timestamp Quantization.md delete mode 100644 Graphics & Performance/Timestamp Queries Quantization.md delete mode 100644 Graphics & Performance/Timestamp Queries.md delete mode 100644 Graphics & Performance/Turtle-Graphics.md delete mode 100644 Graphics & Performance/TypedArray.md delete mode 100644 Graphics & Performance/USD - Universal Scene Description.md delete mode 100644 Graphics & Performance/UV Offset.md delete mode 100644 Graphics & Performance/UX Design Gamification.md delete mode 100644 Graphics & Performance/UX-Design-Architecture.md delete mode 100644 Graphics & Performance/Unity.md delete mode 100644 Graphics & Performance/Urban-Resilience-Planning.md delete mode 100644 Graphics & Performance/User-Story-Mapping.md delete mode 100644 Graphics & Performance/Utsubo.md delete mode 100644 Graphics & Performance/VIA-Classification.md delete mode 100644 Graphics & Performance/VR 엑서게임 (VR Exergaming).md delete mode 100644 Graphics & Performance/Varying Variables.md delete mode 100644 Graphics & Performance/Vertex Shader.md delete mode 100644 Graphics & Performance/Virtual Reality (VR) Storytelling.md delete mode 100644 Graphics & Performance/Voxel-based Rendering.md delete mode 100644 Graphics & Performance/Vulkan.md delete mode 100644 Graphics & Performance/WEBGL_multi_draw.md delete mode 100644 Graphics & Performance/Waves of Connection.md delete mode 100644 Graphics & Performance/WebAssembly.md delete mode 100644 Graphics & Performance/WebGL 20.md delete mode 100644 Graphics & Performance/WebGL API.md delete mode 100644 Graphics & Performance/WebGL Optimization.md delete mode 100644 Graphics & Performance/WebGL 모바일 GPU 성능 관리.md delete mode 100644 Graphics & Performance/WebGL.md delete mode 100644 Graphics & Performance/WebGL2.md delete mode 100644 Graphics & Performance/WebGLRenderingContext.md delete mode 100644 Graphics & Performance/WebGPU Compute Shader.md delete mode 100644 Graphics & Performance/WebGPU Compute Shaders.md delete mode 100644 Graphics & Performance/WebGPU Performance Profiling.md delete mode 100644 Graphics & Performance/WebGPU Timestamp Queries.md delete mode 100644 Graphics & Performance/WebGPU _ WebGL Timing API Security.md delete mode 100644 Graphics & Performance/WebGPU 대규모 건설 뷰어.md delete mode 100644 Graphics & Performance/WebGPU.md delete mode 100644 Graphics & Performance/Winning Ways for your Mathematical Plays.md delete mode 100644 Graphics & Performance/Wonderland Engine.md delete mode 100644 Graphics & Performance/XState-Library.md delete mode 100644 Graphics & Performance/instancedArray.md delete mode 100644 Graphics & Performance/three-mesh-bvh.md delete mode 100644 Graphics & Performance/threejs Issue _30352.md delete mode 100644 Graphics & Performance/가상현실(VR).md delete mode 100644 Graphics & Performance/고성능 3D WebGL 게임 렌더링 엔진.md delete mode 100644 Graphics & Performance/고성능 멀티스레드 React 앱 아키텍처.md delete mode 100644 Graphics & Performance/교육 심리학 및 교수법 설계.md delete mode 100644 Graphics & Performance/기업 문화 진단 및 개선.md delete mode 100644 Graphics & Performance/대규모 3D 건축 모델(BIM) 시각화.md delete mode 100644 Graphics & Performance/대규모 건설 뷰어(Construction Viewers).md delete mode 100644 Graphics & Performance/대규모 건축물 및 지형 뷰어(BIM).md delete mode 100644 Graphics & Performance/대규모 파티클 시스템 최적화.md delete mode 100644 Graphics & Performance/마이크로 프론트엔드.md delete mode 100644 Graphics & Performance/만성 질환 행동 수정 개입.md delete mode 100644 Graphics & Performance/명령형 직접 조작 (Imperative Manipulation).md delete mode 100644 Graphics & Performance/모바일 기반 WebGL 애플리케이션 개발.md delete mode 100644 Graphics & Performance/브라우저 그래픽 렌더링 백엔드.md delete mode 100644 Graphics & Performance/서비스 디자인 (Service Design).md delete mode 100644 Graphics & Performance/셰이더 정밀도 (Mediump_Highp).md delete mode 100644 Graphics & Performance/스토리지 텍스처(Storage Textures).md delete mode 100644 Graphics & Performance/실시간 렌더링 파이프라인.md delete mode 100644 Graphics & Performance/실시간 물리 및 유체 시뮬레이션.md delete mode 100644 Graphics & Performance/실시간 물리 시뮬레이션 동기화.md delete mode 100644 Graphics & Performance/웹 브라우저 그래픽 API 호환성.md delete mode 100644 Graphics & Performance/입자 시스템(Particle Systems).md delete mode 100644 Graphics & Performance/조직 행동론의 직무 몰입 연구.md delete mode 100644 Graphics & Performance/컴퓨트 셰이더(Compute Shaders).md delete mode 100644 Graphics & Performance/프래그먼트 바운드(Fragment-bound).md delete mode 100644 Graphics & Performance/프래그먼트 셰이딩(Fragment Shading).md delete mode 100644 Graphics & Performance/헤드 마운트 디스플레이(HMD).md delete mode 100644 Graphics & Performance/헤드마운트 디스플레이 (HMD).md delete mode 100644 Graphics/3D_Gaussian_Splatting.md delete mode 100644 Graphics/3D_Web_HMI.md delete mode 100644 Graphics/Digital_Twin.md delete mode 100644 Graphics/Predictive_Maintenance.md delete mode 100644 Graphics/VPS_NeRF.md delete mode 100644 Health & Science/ACL-Injury-Prevention-Protocols.md delete mode 100644 Health & Science/Arthrokinematics.md delete mode 100644 Health & Science/Athletic Peak Performance.md delete mode 100644 Health & Science/Biomedical-Engineering.md delete mode 100644 Health/ACL_Prevention.md delete mode 100644 Infrastructure & Automation/Edge Computing.md delete mode 100644 Memory & Systems/Allocation Timeline.md delete mode 100644 Metaverse & Devices/Apple Vision Pro Ecosystem.md delete mode 100644 Metaverse/Architecture.md delete mode 100644 Metaverse/Spatial_Computing.md delete mode 100644 Modern_Environment_Ecosystem.md delete mode 100644 Physics & Simulation/Aerospace Flight Simulation.md delete mode 100644 Programming & Formal Methods/Type Theory.md delete mode 100644 Programming & Language/API 응답 및 에러 핸들링 아키텍처.md delete mode 100644 Programming & Language/AST (추상 구문 트리).md delete mode 100644 Programming & Language/AST(Abstract Syntax Tree).md delete mode 100644 Programming & Language/Abstract Syntax Tree (AST).md delete mode 100644 Programming & Language/Advanced-Design-Patterns-in-TypeScript.md delete mode 100644 Programming & Language/Albion Online (Full Loot_Player-Driven Production).md delete mode 100644 Programming & Language/Algebraic-Data-Types-in-TypeScript.md delete mode 100644 Programming & Language/Allocation Timeline(할당 타임라인).md delete mode 100644 Programming & Language/Ambient Contexts.md delete mode 100644 Programming & Language/Ambient Declarations.md delete mode 100644 Programming & Language/AppSec (애플리케이션 보안).md delete mode 100644 Programming & Language/Assignability-Relation.md delete mode 100644 Programming & Language/Athletic-Performance-Optimization.md delete mode 100644 Programming & Language/Authorship Attribution.md delete mode 100644 Programming & Language/Autotelic Personality.md delete mode 100644 Programming & Language/Autotelic-Personality.md delete mode 100644 Programming & Language/BM25 알고리즘 (Best Match 25).md delete mode 100644 Programming & Language/Beat Saber 엑서게임 연구(Beat Saber Exergaming Study).md delete mode 100644 Programming & Language/Beat Saber.md delete mode 100644 Programming & Language/Beat Saber를 활용한 VR 엑서게임 후유증 연구(VR Exergaming Aftereffects).md delete mode 100644 Programming & Language/Biomechanical-Analysis.md delete mode 100644 Programming & Language/Biomechanics.md delete mode 100644 Programming & Language/Black-box Testing.md delete mode 100644 Programming & Language/Blink.md delete mode 100644 Programming & Language/Branch Prediction.md delete mode 100644 Programming & Language/Branchless Security Checks.md delete mode 100644 Programming & Language/Branded Types.md delete mode 100644 Programming & Language/Browser Security Mitigations.md delete mode 100644 Programming & Language/CAD 렌더링 최적화.md delete mode 100644 Programming & Language/CANTAB 5-선택 반응 시간 과제(CANTAB 5-choice RTI).md delete mode 100644 Programming & Language/CI_CD Pipeline.md delete mode 100644 Programming & Language/CI_CD 파이프라인 (CI_CD Pipelines).md delete mode 100644 Programming & Language/CI_CD 파이프라인 자동화.md delete mode 100644 Programming & Language/CI_CD 파이프라인 통합 및 Git 훅(Hooks).md delete mode 100644 Programming & Language/CI_CD 파이프라인.md delete mode 100644 Programming & Language/CST (구체 구문 트리).md delete mode 100644 Programming & Language/Cache Side-Channel Attack.md delete mode 100644 Programming & Language/Cache miss rates.md delete mode 100644 Programming & Language/Causal Tracing (인과적 추적).md delete mode 100644 Programming & Language/Cellular-Automata.md delete mode 100644 Programming & Language/Chaos Theory.md delete mode 100644 Programming & Language/Chaos-Theory.md delete mode 100644 Programming & Language/Cheneys Algorithm.md delete mode 100644 Programming & Language/Chrome DevTools Memory Panel.md delete mode 100644 Programming & Language/Chrome DevTools(크롬 개발자 도구).md delete mode 100644 Programming & Language/Chrome V8 Heap Analysis.md delete mode 100644 Programming & Language/Chrome 렌더러 프로세스 V8 샌드박스 보안.md delete mode 100644 Programming & Language/Chromium.md delete mode 100644 Programming & Language/Clean as You Code.md delete mode 100644 Programming & Language/Code Minification.md delete mode 100644 Programming & Language/Code Obfuscation.md delete mode 100644 Programming & Language/Code Splitting Lazy Loading (코드 분할 및 지연 로딩).md delete mode 100644 Programming & Language/Code Stylometry (코드 문체론).md delete mode 100644 Programming & Language/Codemod-Engineering.md delete mode 100644 Programming & Language/Complex Adaptive Systems.md delete mode 100644 Programming & Language/Complex-Adaptive-Systems.md delete mode 100644 Programming & Language/Concrete Syntax Tree (CST).md delete mode 100644 Programming & Language/Conscientiousness.md delete mode 100644 Programming & Language/Continuous Integration (CI).md delete mode 100644 Programming & Language/Control-Flow-Analysis.md delete mode 100644 Programming & Language/Cosmos 플랫폼 (Netflix).md delete mode 100644 Programming & Language/Covariance-and-Contravariance.md delete mode 100644 Programming & Language/Cumulative Layout Shift (CLS).md delete mode 100644 Programming & Language/Cybertext.md delete mode 100644 Programming & Language/Cypher 질의 언어 (Neo4j).md delete mode 100644 Programming & Language/DAST (동적 애플리케이션 보안 테스트).md delete mode 100644 Programming & Language/DOM 요소 조작 및 타입 좁히기.md delete mode 100644 Programming & Language/DOM 요소 조작.md delete mode 100644 Programming & Language/DeepReadonly.md delete mode 100644 Programming & Language/DefinitelyTyped and Ambient Declarations.md delete mode 100644 Programming & Language/Depth Pre-Pass.md delete mode 100644 Programming & Language/Description Logic (기술 논리).md delete mode 100644 Programming & Language/Deterministic Algorithms.md delete mode 100644 Programming & Language/Discriminated Unions.md delete mode 100644 Programming & Language/Disentanglement (개념 분리).md delete mode 100644 Programming & Language/Draw Call Optimization.md delete mode 100644 Programming & Language/Dublin Core Metadata Initiative.md delete mode 100644 Programming & Language/Dwarf Fortress (Simulation-heavy PCG).md delete mode 100644 Programming & Language/Dwarf-Fortress.md delete mode 100644 Programming & Language/ESLint.md delete mode 100644 Programming & Language/Early-Z.md delete mode 100644 Programming & Language/Edge Bleeding.md delete mode 100644 Programming & Language/Effect TS 및 ts-brand 라이브러리 활용.md delete mode 100644 Programming & Language/Effect TS.md delete mode 100644 Programming & Language/Electron V8 Memory Cage.md delete mode 100644 Programming & Language/Electron.md delete mode 100644 Programming & Language/Emergent Gameplay Theory.md delete mode 100644 Programming & Language/Emergent Gameplay.md delete mode 100644 Programming & Language/Emergent Systems.md delete mode 100644 Programming & Language/Emergent-Gameplay.md delete mode 100644 Programming & Language/Entity Component System (ECS).md delete mode 100644 Programming & Language/Epigenetics of Neuroplasticity.md delete mode 100644 Programming & Language/Escape Hatch (탈출구).md delete mode 100644 Programming & Language/Excess Property Checking.md delete mode 100644 Programming & Language/Exergaming.md delete mode 100644 Programming & Language/Facade Pattern (퍼사드 패턴).md delete mode 100644 Programming & Language/Feature Ablation (피처 제거).md delete mode 100644 Programming & Language/Federated SPARQL (연합 질의).md delete mode 100644 Programming & Language/Figma.md delete mode 100644 Programming & Language/Finite-State-Machines-in-TypeScript.md delete mode 100644 Programming & Language/Flame Chart.md delete mode 100644 Programming & Language/Flow Theory.md delete mode 100644 Programming & Language/Flow-Theory.md delete mode 100644 Programming & Language/Fractal-Geometry.md delete mode 100644 Programming & Language/Function-Overloading.md delete mode 100644 Programming & Language/Function-Signature-Compatibility.md delete mode 100644 Programming & Language/Fuzzing.md delete mode 100644 Programming & Language/GC Root.md delete mode 100644 Programming & Language/GQL (Graph Query Language ISO 표준).md delete mode 100644 Programming & Language/Game Studies (Digital Media Theory).md delete mode 100644 Programming & Language/Game Studies (Ludology vs Narratology).md delete mode 100644 Programming & Language/Game Studies.md delete mode 100644 Programming & Language/Garbage Collection (GC) 최적화.md delete mode 100644 Programming & Language/Garbage Collection (GC).md delete mode 100644 Programming & Language/Garbage Collection(가비지 컬렉션).md delete mode 100644 Programming & Language/Generational Hypothesis.md delete mode 100644 Programming & Language/Git Hooks.md delete mode 100644 Programming & Language/Git Hook을 이용한 CI_CD 자동화 파이프라인.md delete mode 100644 Programming & Language/Git Pre-commit 훅을 활용한 개발 워크플로우 자동화.md delete mode 100644 Programming & Language/Global Network Positioning (GNP).md delete mode 100644 Programming & Language/Google Chrome.md delete mode 100644 Programming & Language/Google Code Jam Dataset.md delete mode 100644 Programming & Language/Google Lighthouse.md delete mode 100644 Programming & Language/Graph-Grammars.md delete mode 100644 Programming & Language/Grokking (그로킹 지연 일반화).md delete mode 100644 Programming & Language/HNSW 알고리즘 (Hierarchical Navigable Small World).md delete mode 100644 Programming & Language/HTC Vive Pro HMD.md delete mode 100644 Programming & Language/Heap Snapshot.md delete mode 100644 Programming & Language/Husky lint-staged.md delete mode 100644 Programming & Language/Husky.md delete mode 100644 Programming & Language/IBM 가비지 컬렉션.md delete mode 100644 Programming & Language/IFCjs.md delete mode 100644 Programming & Language/Immersive Sim Genre.md delete mode 100644 Programming & Language/Incremental Marking.md delete mode 100644 Programming & Language/Index Masking.md delete mode 100644 Programming & Language/Industry 40_Smart Manufacturing.md delete mode 100644 Programming & Language/InstancedMesh Performance Bottlenecks.md delete mode 100644 Programming & Language/InstancedMesh 동적 버퍼 확장.md delete mode 100644 Programming & Language/InstancedMesh 사용 시 드로우 콜 최적화의 한계점 사례 연구.md delete mode 100644 Programming & Language/InstancedMesh 최적화.md delete mode 100644 Programming & Language/InstancedMesh.md delete mode 100644 Programming & Language/Integrated Gradients (통합 그래디언트).md delete mode 100644 Programming & Language/Interactive Fiction (IF).md delete mode 100644 Programming & Language/Interactive Narrative.md delete mode 100644 Programming & Language/Interactive-Fiction-Tradition.md delete mode 100644 Programming & Language/Interop 2025.md delete mode 100644 Programming & Language/Intrinsic-Motivation.md delete mode 100644 Programming & Language/Inventory Management Example.md delete mode 100644 Programming & Language/Isovist-Analysis.md delete mode 100644 Programming & Language/JPEG XL.md delete mode 100644 Programming & Language/Jacobian-Matrix-Analysis.md delete mode 100644 Programming & Language/JavaScript 메모리 관리(JavaScript Memory Management).md delete mode 100644 Programming & Language/JavaScriptCore.md delete mode 100644 Programming & Language/Joern.md delete mode 100644 Programming & Language/Kinematics.md delete mode 100644 Programming & Language/L-Systems.md delete mode 100644 Programming & Language/L-systems in Biology.md delete mode 100644 Programming & Language/Labeled Property Graph (LPG 속성 그래프).md delete mode 100644 Programming & Language/Latiotech Report.md delete mode 100644 Programming & Language/Lighthouse.md delete mode 100644 Programming & Language/Linked Open Data (LOD).md delete mode 100644 Programming & Language/Live Streaming Monetization.md delete mode 100644 Programming & Language/Logit Lens (로짓 렌즈).md delete mode 100644 Programming & Language/Long-Term Potentiation (LTP).md delete mode 100644 Programming & Language/Looking Glass Studios.md delete mode 100644 Programming & Language/Ludology vs Narratology Debate.md delete mode 100644 Programming & Language/Ludology vs Narratology.md delete mode 100644 Programming & Language/Ludonarrative Dissonance.md delete mode 100644 Programming & Language/Ludonarrative Resonance.md delete mode 100644 Programming & Language/MMORPG Ecosystems.md delete mode 100644 Programming & Language/MVC (Model-View-Controller).md delete mode 100644 Programming & Language/Major GC.md delete mode 100644 Programming & Language/Mark-Sweep-Compact 알고리즘.md delete mode 100644 Programming & Language/Mark-Sweep-Compact(메이저 GC).md delete mode 100644 Programming & Language/Mark-Sweep-Compact.md delete mode 100644 Programming & Language/Mark-Sweep.md delete mode 100644 Programming & Language/Mechanobiology.md delete mode 100644 Programming & Language/Meltdown.md delete mode 100644 Programming & Language/Memory Leak(메모리 누수).md delete mode 100644 Programming & Language/Memory Leak.md delete mode 100644 Programming & Language/Mesa-Optimization (메사 최적화).md delete mode 100644 Programming & Language/Microsoft Edge DevTools.md delete mode 100644 Programming & Language/Model-Checking.md delete mode 100644 Programming & Language/Monorepo(Turborepo 등) 환경의 린트 관리.md delete mode 100644 Programming & Language/Monorepo.md delete mode 100644 Programming & Language/Multi-Agent-Systems.md delete mode 100644 Programming & Language/NPM Ecosystem.md delete mode 100644 Programming & Language/Netflix 마이크로서비스 전환.md delete mode 100644 Programming & Language/Network Coordinate Systems.md delete mode 100644 Programming & Language/Network Science.md delete mode 100644 Programming & Language/New Media Theory.md delete mode 100644 Programming & Language/New Space(Young Generation).md delete mode 100644 Programming & Language/New Space.md delete mode 100644 Programming & Language/Nodejs Memory Management.md delete mode 100644 Programming & Language/Nodejs Memory Tuning.md delete mode 100644 Programming & Language/Nodejs Production Monitoring.md delete mode 100644 Programming & Language/Nodejs 메모리 최적화.md delete mode 100644 Programming & Language/Nodejs 메모리 튜닝.md delete mode 100644 Programming & Language/Nodejs 성능 디버깅.md delete mode 100644 Programming & Language/Nodejs 성능 최적화 및 디버깅.md delete mode 100644 Programming & Language/Nodejs 프로세스 모니터링 및 메모리 분석.md delete mode 100644 Programming & Language/Nodejs.md delete mode 100644 Programming & Language/Nominal-Subtyping.md delete mode 100644 Programming & Language/Nominal-Typing.md delete mode 100644 Programming & Language/Non-null Assertion Operator.md delete mode 100644 Programming & Language/NotebookLM-Automated-Authentication-CLI.md delete mode 100644 Programming & Language/Object Pooling (오브젝트 풀링).md delete mode 100644 Programming & Language/Objective Distillation (목표 증류).md delete mode 100644 Programming & Language/Occlusion Culling.md delete mode 100644 Programming & Language/OffscreenCanvas와 Web Worker를 활용한 메인 스레드 병목 해결.md delete mode 100644 Programming & Language/Oilpan.md delete mode 100644 Programming & Language/Old Space (구 세대 공간).md delete mode 100644 Programming & Language/Old Space(Old Generation).md delete mode 100644 Programming & Language/Old Space.md delete mode 100644 Programming & Language/Opaque Types.md delete mode 100644 Programming & Language/Operations-Management.md delete mode 100644 Programming & Language/Organizational Behavior.md delete mode 100644 Programming & Language/Organizational-Behavior.md delete mode 100644 Programming & Language/Organizational-Psychology.md delete mode 100644 Programming & Language/Orinoco GC.md delete mode 100644 Programming & Language/Orinoco 가비지 컬렉터.md delete mode 100644 Programming & Language/Orinoco 프로젝트.md delete mode 100644 Programming & Language/Orinoco(V8 GC 프로젝트).md delete mode 100644 Programming & Language/Orinoco.md delete mode 100644 Programming & Language/Overdraw.md delete mode 100644 Programming & Language/Page Experience Algorithm.md delete mode 100644 Programming & Language/PageRank (페이지랭크 알고리즘).md delete mode 100644 Programming & Language/Papers Please (Mechanics as Moral Argument).md delete mode 100644 Programming & Language/Parse dont validate.md delete mode 100644 Programming & Language/Performance Panel.md delete mode 100644 Programming & Language/Pointer Compression.md delete mode 100644 Programming & Language/Pointer Poisoning.md delete mode 100644 Programming & Language/Post-Apocalyptic Fiction.md delete mode 100644 Programming & Language/Post-Surgical-Orthopedic-Recovery.md delete mode 100644 Programming & Language/Prettier.md delete mode 100644 Programming & Language/Procedural-Rhetoric.md delete mode 100644 Programming & Language/Proprioception.md delete mode 100644 Programming & Language/RDF-star (RDF 확장 사양).md delete mode 100644 Programming & Language/RRF (Reciprocal Rank Fusion).md delete mode 100644 Programming & Language/Reachability Analysis.md delete mode 100644 Programming & Language/React 19 Compiler.md delete mode 100644 Programming & Language/React 게임 엔진 아키텍처.md delete mode 100644 Programming & Language/React 및 Nextjs 개발 환경.md delete mode 100644 Programming & Language/React 재조정 (Reconciliation) 최적화.md delete mode 100644 Programming & Language/React 컴포넌트 Props 전달 및 상태 관리.md delete mode 100644 Programming & Language/Readonly Type.md delete mode 100644 Programming & Language/Readonly 유틸리티 타입.md delete mode 100644 Programming & Language/Real User Monitoring (RUM).md delete mode 100644 Programming & Language/Render State.md delete mode 100644 Programming & Language/Result Type.md delete mode 100644 Programming & Language/Reward Shaping (보상 설계).md delete mode 100644 Programming & Language/Robotic-Manipulator-Dynamics.md delete mode 100644 Programming & Language/Robust-GitHub-Sync-Pipeline.md delete mode 100644 Programming & Language/Runtime-Type-Validation.md delete mode 100644 Programming & Language/SCA (소프트웨어 구성 분석).md delete mode 100644 Programming & Language/SOLID 원칙 (SOLID Principles).md delete mode 100644 Programming & Language/SOLID 원칙.md delete mode 100644 Programming & Language/SPA 라우트 전환 성능 최적화.md delete mode 100644 Programming & Language/SPARQL (RDF 그래프 질의 언어).md delete mode 100644 Programming & Language/SaaS-Product-Management.md delete mode 100644 Programming & Language/Sandbox Simulations (eg Minecraft Dwarf Fortress).md delete mode 100644 Programming & Language/Santa Fe Institute.md delete mode 100644 Programming & Language/Satisfiability-Problem-(SAT).md delete mode 100644 Programming & Language/Satisfies Operator.md delete mode 100644 Programming & Language/Scavenge.md delete mode 100644 Programming & Language/Scavenger 알고리즘.md delete mode 100644 Programming & Language/Scavenger(Minor GC).md delete mode 100644 Programming & Language/Scavenger(마이너 GC).md delete mode 100644 Programming & Language/Scheduler API.md delete mode 100644 Programming & Language/Schema-Driven-Development.md delete mode 100644 Programming & Language/Schemaorg.md delete mode 100644 Programming & Language/Sensorimotor-Integration.md delete mode 100644 Programming & Language/Server Architecture.md delete mode 100644 Programming & Language/SharedArrayBuffer vs postMessage 성능 차이.md delete mode 100644 Programming & Language/SharedArrayBuffer 동시성 문제 해결법.md delete mode 100644 Programming & Language/SharedArrayBuffer 보안 이슈와 Cross-Origin Isolation.md delete mode 100644 Programming & Language/SharedArrayBuffer 보안을 위한 COOP COEP 헤더 설정.md delete mode 100644 Programming & Language/SharedArrayBuffer 보안을 위한 Cross-Origin Isolation 서버 헤더 설정.md delete mode 100644 Programming & Language/SharedArrayBuffer로 스레드 간 메모리 공유 효율 높이기.md delete mode 100644 Programming & Language/SharedArrayBuffer와 Atomics 구체적 활용법.md delete mode 100644 Programming & Language/Side-channel Attack.md delete mode 100644 Programming & Language/Side-channel attacks.md delete mode 100644 Programming & Language/Signal Processing.md delete mode 100644 Programming & Language/Simulation Theory.md delete mode 100644 Programming & Language/Single Page Applications (SPA).md delete mode 100644 Programming & Language/Skybound Protocol 개발자 확장 가이드 및 아키텍처 리뷰.md delete mode 100644 Programming & Language/Skybound Protocol 시스템 아키텍처 및 데이터 흐름 분석.md delete mode 100644 Programming & Language/Spatial-Syntax.md delete mode 100644 Programming & Language/Spectre.md delete mode 100644 Programming & Language/Speculative Execution.md delete mode 100644 Programming & Language/Static-Type-Inference.md delete mode 100644 Programming & Language/Statistical Mechanics.md delete mode 100644 Programming & Language/Stop-the-world.md delete mode 100644 Programming & Language/Structural Typing.md delete mode 100644 Programming & Language/StyleCounsel.md delete mode 100644 Programming & Language/Submodules.md delete mode 100644 Programming & Language/Synthetic Testing.md delete mode 100644 Programming & Language/System Dynamics.md delete mode 100644 Programming & Language/Systems Dynamics.md delete mode 100644 Programming & Language/TeamCity.md delete mode 100644 Programming & Language/Texture Atlas.md delete mode 100644 Programming & Language/Throttling Debouncing.md delete mode 100644 Programming & Language/Timing Attack.md delete mode 100644 Programming & Language/Timing Attacks (Spectre_Meltdown).md delete mode 100644 Programming & Language/Timing Attacks.md delete mode 100644 Programming & Language/To-Space와 From-Space.md delete mode 100644 Programming & Language/Toss Front SDK 기반 외부 연동사 플러그인 개발 생태계 구축.md delete mode 100644 Programming & Language/Toss Front SDK의 Facade 패턴 적용 사례.md delete mode 100644 Programming & Language/Toss SDK의 퍼사드(Facade) 패턴 설계와 인터페이스 전략.md delete mode 100644 Programming & Language/Turborepo 기반 모노레포 워크플로우.md delete mode 100644 Programming & Language/Turborepo 환경 구성.md delete mode 100644 Programming & Language/Turborepo.md delete mode 100644 Programming & Language/Turborepo를 활용한 다중 애플리케이션 및 라이브러리 통합 관리.md delete mode 100644 Programming & Language/Type Casting.md delete mode 100644 Programming & Language/Type Inference.md delete mode 100644 Programming & Language/Type Narrowing.md delete mode 100644 Programming & Language/Type Predicates.md delete mode 100644 Programming & Language/Type-Assertion.md delete mode 100644 Programming & Language/Type-Erasure.md delete mode 100644 Programming & Language/Type-Inference-Algorithms.md delete mode 100644 Programming & Language/Type-Narrowing-Mechanisms.md delete mode 100644 Programming & Language/Type-Narrowing-and-Control-Flow-Analysis.md delete mode 100644 Programming & Language/Type-Narrowing-and-Guards.md delete mode 100644 Programming & Language/Type-Predicates.md delete mode 100644 Programming & Language/Type-safe Error Handling Exhaustiveness Checking.md delete mode 100644 Programming & Language/TypeScript 49.md delete mode 100644 Programming & Language/TypeScript API Development.md delete mode 100644 Programming & Language/TypeScript Advanced Type System.md delete mode 100644 Programming & Language/TypeScript Utility Types (Record Readonly).md delete mode 100644 Programming & Language/TypeScript 타입 시스템 (TypeScript Type System).md delete mode 100644 Programming & Language/TypeScript 타입 시스템 (인터페이스 설계).md delete mode 100644 Programming & Language/TypeScript 타입 시스템 및 인터페이스 설계.md delete mode 100644 Programming & Language/TypeScript 타입 시스템 아키텍처 및 도메인 기반 설계(DDD).md delete mode 100644 Programming & Language/TypeScript 타입 시스템을 활용한 내부 로직 보호 및 데이터 검증.md delete mode 100644 Programming & Language/TypeScript-Language-Service.md delete mode 100644 Programming & Language/TypeScript의 제어 흐름 분석 및 상태 관리 패턴.md delete mode 100644 Programming & Language/UNESCO-Memory-of-the-World.md delete mode 100644 Programming & Language/Union Types.md delete mode 100644 Programming & Language/Urban Planning Simulation.md delete mode 100644 Programming & Language/V8 Engine Heap Management.md delete mode 100644 Programming & Language/V8 Engine.md delete mode 100644 Programming & Language/V8 Heap Architecture.md delete mode 100644 Programming & Language/V8 JavaScript Engine 메모리 관리 및 가비지 컬렉션.md delete mode 100644 Programming & Language/V8 JavaScript Engine.md delete mode 100644 Programming & Language/V8 JavaScript 엔진.md delete mode 100644 Programming & Language/V8 Memory Cage.md delete mode 100644 Programming & Language/V8 가비지 컬렉션(Garbage Collection).md delete mode 100644 Programming & Language/V8 메모리 케이지(V8 Memory Cage).md delete mode 100644 Programming & Language/V8 엔진 (V8 Engine).md delete mode 100644 Programming & Language/V8 엔진 메모리 구조.md delete mode 100644 Programming & Language/V8 엔진 힙 아키텍처 및 로그 분석.md delete mode 100644 Programming & Language/V8 엔진 힙 아키텍처(V8 Engine Heap Architecture).md delete mode 100644 Programming & Language/V8 엔진 힙 아키텍처.md delete mode 100644 Programming & Language/V8 엔진(V8 Engine).md delete mode 100644 Programming & Language/V8 엔진의 메모리 관리 아키텍처 및 Orinoco 프로젝트.md delete mode 100644 Programming & Language/V8 자바스크립트 엔진.md delete mode 100644 Programming & Language/V8 힙 공간(V8 Heap Spaces).md delete mode 100644 Programming & Language/V8 힙(Heap).md delete mode 100644 Programming & Language/VR Sickness.md delete mode 100644 Programming & Language/VR 멀미 (VR Sickness).md delete mode 100644 Programming & Language/VR 멀미(VR sickness).md delete mode 100644 Programming & Language/Variable Ratio Reinforcement.md delete mode 100644 Programming & Language/Variance-Covariance-and-Contravariance.md delete mode 100644 Programming & Language/Variance-in-TypeScript.md delete mode 100644 Programming & Language/Vergence-Accommodation Conflicts.md delete mode 100644 Programming & Language/Web Worker와 SharedArrayBuffer를 이용한 실제 고부하 병렬 처리 구현체 (실패_성공 포함).md delete mode 100644 Programming & Language/Web3 Infrastructure.md delete mode 100644 Programming & Language/WebKit Security Mitigations.md delete mode 100644 Programming & Language/WebKit.md delete mode 100644 Programming & Language/Write Barrier.md delete mode 100644 Programming & Language/Zod 런타임 유효성 검사 통합.md delete mode 100644 Programming & Language/Zod 파싱과 브랜디드 타입을 결합한 런타임 데이터 검증.md delete mode 100644 Programming & Language/Zod.md delete mode 100644 Programming & Language/Zod를 활용한 런타임 데이터 파싱.md delete mode 100644 Programming & Language/Zustand-Based-Mission-Persistence.md delete mode 100644 Programming & Language/as const Assertion.md delete mode 100644 Programming & Language/as const.md delete mode 100644 Programming & Language/bitECS와 SharedArrayBuffer를 결합한 멀티스레드 고성능 아키텍처.md delete mode 100644 Programming & Language/bitECS와 SharedArrayBuffer의 실제 코드 통합.md delete mode 100644 Programming & Language/eslint-config-prettier.md delete mode 100644 Programming & Language/eslint-plugin-prettier.md delete mode 100644 Programming & Language/lint-staged.md delete mode 100644 Programming & Language/never 타입(never type).md delete mode 100644 Programming & Language/never 타입.md delete mode 100644 Programming & Language/readonly 수식어.md delete mode 100644 Programming & Language/readonly.md delete mode 100644 Programming & Language/satisfies Keyword.md delete mode 100644 Programming & Language/satisfies 연산자.md delete mode 100644 Programming & Language/ts-brand.md delete mode 100644 Programming & Language/ts-pattern.md delete mode 100644 Programming & Language/useEffect 클린업(Cleanup).md delete mode 100644 Programming & Language/가비지 컬렉션 (Garbage Collection).md delete mode 100644 Programming & Language/가비지 컬렉션(Garbage Collection).md delete mode 100644 Programming & Language/가비지 컬렉터(Garbage Collector).md delete mode 100644 Programming & Language/가상현실 멀미 (VR Sickness).md delete mode 100644 Programming & Language/가상현실 멀미(VR Sickness).md delete mode 100644 Programming & Language/가상현실 사후 효과 연구(Virtual Reality Aftereffects Study).md delete mode 100644 Programming & Language/가상현실 엑서게임 후유증 연구(VR Exergaming Aftereffects Study).md delete mode 100644 Programming & Language/가상현실 엑서게임 후유증 연구(Virtual reality exergaming aftereffects research).md delete mode 100644 Programming & Language/가상현실 엑서게임(Exergaming) 후유증 연구.md delete mode 100644 Programming & Language/가상현실 후유증 (Virtual Reality Aftereffects).md delete mode 100644 Programming & Language/가상현실 후유증(VR Aftereffects).md delete mode 100644 Programming & Language/가상현실(VR) 엑서게임 인지 사후 효과 분석(CANTAB 5-choice RTI).md delete mode 100644 Programming & Language/가상현실(VR) 자전거 시뮬레이터.md delete mode 100644 Programming & Language/감각 통합(Sensory integration).md delete mode 100644 Programming & Language/강화 계획.md delete mode 100644 Programming & Language/강화 학습(Reinforcement Learning) 알고리즘.md delete mode 100644 Programming & Language/개발자 경험(DX).md delete mode 100644 Programming & Language/객체 지향 소프트웨어 아키텍처 설계.md delete mode 100644 Programming & Language/객체 지향 프로그래밍 (OOP).md delete mode 100644 Programming & Language/객체 지향 프로그래밍 (Object-Oriented Programming).md delete mode 100644 Programming & Language/객체 지향 프로그래밍(OOP).md delete mode 100644 Programming & Language/건강 심리학.md delete mode 100644 Programming & Language/건강 행동 변화 모델.md delete mode 100644 Programming & Language/게임 디자인 이론 및 구조론.md delete mode 100644 Programming & Language/게임 디자인의 보상 루프(Reward Loop) 설계.md delete mode 100644 Programming & Language/게임 루프 설계.md delete mode 100644 Programming & Language/게임 행동 심리학.md delete mode 100644 Programming & Language/게임학(Ludology) vs 서사학(Narratology) 논쟁.md delete mode 100644 Programming & Language/견고한 도메인 모델 및 API 계약 설계.md delete mode 100644 Programming & Language/결정 속도(Decision Speed).md delete mode 100644 Programming & Language/결합도 (Coupling).md delete mode 100644 Programming & Language/경고 피로 (Alert Fatigue).md delete mode 100644 Programming & Language/계층화 아키텍처 (Layered Architecture).md delete mode 100644 Programming & Language/고전적 조건 형성.md delete mode 100644 Programming & Language/공존 질환 (Comorbidity).md delete mode 100644 Programming & Language/과잉 속성 체크 (Excess Property Checking).md delete mode 100644 Programming & Language/과잉 속성 체크(EPC).md delete mode 100644 Programming & Language/과잉 속성 체크(Excess Property Checking).md delete mode 100644 Programming & Language/과잉 정당화 효과 (Overjustification Effect).md delete mode 100644 Programming & Language/관심사의 분리 (Separation of Concerns SoC).md delete mode 100644 Programming & Language/관심사의 분리 (Separation of Concerns).md delete mode 100644 Programming & Language/관심사의 분리 (SoC).md delete mode 100644 Programming & Language/관심사의 분리(Separation of Concerns).md delete mode 100644 Programming & Language/관심사의 분리(SoC).md delete mode 100644 Programming & Language/관점 지향 프로그래밍 (AOP).md delete mode 100644 Programming & Language/관점 지향 프로그래밍(AOP).md delete mode 100644 Programming & Language/광범위한 신경과학적 연합 기제.md delete mode 100644 Programming & Language/교육 심리학에서의 학습 동기 유도.md delete mode 100644 Programming & Language/교육 심리학에서의 학습 동기 유발.md delete mode 100644 Programming & Language/교집합 타입 (Intersection Types).md delete mode 100644 Programming & Language/교집합 타입(Intersection Type).md delete mode 100644 Programming & Language/구조적 타이핑 (Structural Typing).md delete mode 100644 Programming & Language/구조적 타이핑(Structural Typing).md delete mode 100644 Programming & Language/구조적 타이핑.md delete mode 100644 Programming & Language/기본 타입에의 집착 (Primitive Obsession).md delete mode 100644 Programming & Language/기본 타입에의 집착(Primitive Obsession).md delete mode 100644 Programming & Language/깊이 지각 (Depth Perception).md delete mode 100644 Programming & Language/깊이 지각(Depth perception).md delete mode 100644 Programming & Language/내재적 동기 (Intrinsic Motivation).md delete mode 100644 Programming & Language/내재적 동기 vs 외재적 동기.md delete mode 100644 Programming & Language/네버 타입 (never type).md delete mode 100644 Programming & Language/넷플릭스 (Netflix) 마이크로서비스 도입 사례.md delete mode 100644 Programming & Language/넷플릭스 비디오 인코딩 파이프라인 (Netflix Video Encoding Pipeline).md delete mode 100644 Programming & Language/넷플릭스 코스모스 플랫폼 (Netflix Cosmos Platform).md delete mode 100644 Programming & Language/넷플릭스 코스모스 플랫폼 (Netflix Cosmos).md delete mode 100644 Programming & Language/넷플릭스(Netflix)의 마이크로서비스 및 코스모스 플랫폼 전환.md delete mode 100644 Programming & Language/넷플릭스의 코스모스 플랫폼 및 마이크로서비스 전환.md delete mode 100644 Programming & Language/뇌 가소성 (Neuroplasticity).md delete mode 100644 Programming & Language/눈모음-조절 충돌(Vergence-accommodation conflicts).md delete mode 100644 Programming & Language/느슨한 결합 (Loose Coupling).md delete mode 100644 Programming & Language/단일 책임 원칙 (SRP).md delete mode 100644 Programming & Language/단일 책임 원칙 (Single Responsibility Principle).md delete mode 100644 Programming & Language/단일 책임 원칙(SRP).md delete mode 100644 Programming & Language/대규모 TypeScript 애플리케이션 아키텍처 설계.md delete mode 100644 Programming & Language/대규모 TypeScript 프로젝트의 컴파일 성능 최적화.md delete mode 100644 Programming & Language/대규모 데이터 렌더링 및 가상화 최적화.md delete mode 100644 Programming & Language/대규모 로그 뷰어 및 데이터 테이블 구현.md delete mode 100644 Programming & Language/대규모 모노레포(Turborepo) 환경에서의 린트 오케스트레이션.md delete mode 100644 Programming & Language/대규모 애플리케이션 개발.md delete mode 100644 Programming & Language/대규모 웹 그래픽스 프로젝트.md delete mode 100644 Programming & Language/대규모 웹 애플리케이션의 조직 및 기술적 확장성 확보.md delete mode 100644 Programming & Language/대규모 인스턴스 렌더링 및 투명도 처리.md delete mode 100644 Programming & Language/덕 타이핑 (Duck Typing).md delete mode 100644 Programming & Language/덕 타이핑(Duck Typing).md delete mode 100644 Programming & Language/데브섹옵스 (DevSecOps) 환경에서의 지속적인 보안 검사.md delete mode 100644 Programming & Language/데이터 거버넌스 (Data Governance).md delete mode 100644 Programming & Language/도달 가능성 분석 (Reachability Analysis).md delete mode 100644 Programming & Language/도메인 기반 설계 (DDD) 및 데이터 오염 방지.md delete mode 100644 Programming & Language/도메인 기반 설계 (DDD).md delete mode 100644 Programming & Language/도메인 기반 설계(DDD).md delete mode 100644 Programming & Language/도메인 기반 설계(DDD)의 데이터 검증.md delete mode 100644 Programming & Language/도메인 기반 설계(DDD)의 식별자 분리.md delete mode 100644 Programming & Language/동기강화 상담(Motivational Interviewing).md delete mode 100644 Programming & Language/동시성 및 점진적 마킹(Concurrent Incremental Marking).md delete mode 100644 Programming & Language/동작 속도(Movement Speed).md delete mode 100644 Programming & Language/동적 애플리케이션 보안 테스트(DAST).md delete mode 100644 Programming & Language/디지털 미학(Digital Aesthetics).md delete mode 100644 Programming & Language/라이브러리 및 확장 가능한 코드베이스.md delete mode 100644 Programming & Language/런타임 상태 검증(Runtime Validation).md delete mode 100644 Programming & Language/루도-내러티브 부조화(Ludonarrative Dissonance).md delete mode 100644 Programming & Language/리로디드(Reloaded).md delete mode 100644 Programming & Language/리터럴 타입 (Literal Types).md delete mode 100644 Programming & Language/린터 (Linter).md delete mode 100644 Programming & Language/마이너 가비지 컬렉션(Minor GC).md delete mode 100644 Programming & Language/마이크로서비스 아키텍처 (MSA).md delete mode 100644 Programming & Language/마이크로서비스 아키텍처.md delete mode 100644 Programming & Language/마크-스위프(Mark-Sweep).md delete mode 100644 Programming & Language/마크-스윕(Mark-Sweep).md delete mode 100644 Programming & Language/마크-컴팩트(Mark-Compact).md delete mode 100644 Programming & Language/머리 장착형 디스플레이(HMD) 환경의 시각적 후유증 연구.md delete mode 100644 Programming & Language/머리 착용 디스플레이(HMD) 시각 연구.md delete mode 100644 Programming & Language/메모리 누수(Memory Leak).md delete mode 100644 Programming & Language/메모리 누수(Memory Leaks).md delete mode 100644 Programming & Language/메모리 단편화(Fragmentation).md delete mode 100644 Programming & Language/메모리 파편화 방지 및 객체 풀링 (Object Pooling).md delete mode 100644 Programming & Language/명목적 타이핑 (Nominal Typing).md delete mode 100644 Programming & Language/명목적 타이핑(Nominal Typing).md delete mode 100644 Programming & Language/모노레포(Monorepo) 기반 구성 중앙화.md delete mode 100644 Programming & Language/모노레포(Monorepo) 설정 중앙화.md delete mode 100644 Programming & Language/모노레포(Monorepo) 아키텍처 설정.md delete mode 100644 Programming & Language/모놀리식 아키텍처 (Monolithic Architecture).md delete mode 100644 Programming & Language/모듈러 통합 건설 (MiC).md delete mode 100644 Programming & Language/모듈화 및 아키텍처 경계 설정.md delete mode 100644 Programming & Language/몰입 (Flow Theory).md delete mode 100644 Programming & Language/미디어 폭력과 공격성 연구.md delete mode 100644 Programming & Language/반응 시간(Reaction Time).md delete mode 100644 Programming & Language/백엔드-프론트엔드 데이터 변환(Data Transformation between Backend and Frontend).md delete mode 100644 Programming & Language/번아웃 및 직무 스트레스.md delete mode 100644 Programming & Language/범이론적 모델(Transtheoretical Model).md delete mode 100644 Programming & Language/보상 예측 오류 (Reward Prediction Error).md delete mode 100644 Programming & Language/보조 공학 (Assistive Technology).md delete mode 100644 Programming & Language/복잡한 비즈니스 도메인 (금융 헬스케어 이커머스 등).md delete mode 100644 Programming & Language/불변성 (Immutability).md delete mode 100644 Programming & Language/불변성(Immutability).md delete mode 100644 Programming & Language/불필요한 리렌더링 방지.md delete mode 100644 Programming & Language/브라우저 DOM 누수 탐지 및 렌더링 최적화.md delete mode 100644 Programming & Language/브라우저 메모리 관리 및 최적화.md delete mode 100644 Programming & Language/브라우저 메모리 할당 시점별 힙(Heap) 동작 상세 로그.md delete mode 100644 Programming & Language/브라우저 및 Nodejs 메모리 튜닝.md delete mode 100644 Programming & Language/브랜디드 타입 (Branded Types).md delete mode 100644 Programming & Language/브랜디드 타입(Branded Types).md delete mode 100644 Programming & Language/브랜디드 타입.md delete mode 100644 Programming & Language/비트 세이버 엑서게임 후유증 평가(Beat Saber Exergaming Aftereffects).md delete mode 100644 Programming & Language/비트 세이버(Beat Saber) VR 엑서게임 연구.md delete mode 100644 Programming & Language/비트 세이버(Beat Saber) 실험.md delete mode 100644 Programming & Language/비트 세이버(Beat Saber) 엑서게임 연구.md delete mode 100644 Programming & Language/비트 세이버(Beat Saber).md delete mode 100644 Programming & Language/비트 세이버를 활용한 가상현실 엑서게임 후유증 연구(Exergaming With Beat Saber_ An Investigation of Virtual Reality Aftereffects).md delete mode 100644 Programming & Language/사회 학습 이론.md delete mode 100644 Programming & Language/사회학습이론.md delete mode 100644 Programming & Language/상태 관리 및 API 응답 모델링(State Management and API Response Modeling).md delete mode 100644 Programming & Language/상태 머신(State Machine) 설계.md delete mode 100644 Programming & Language/새로운 공간(New Space).md delete mode 100644 Programming & Language/생물학적 학습 이론.md delete mode 100644 Programming & Language/서드파티 라이브러리 및 API 연동.md delete mode 100644 Programming & Language/서버리스 컴퓨팅(Serverless Computing).md delete mode 100644 Programming & Language/선언 병합 (Declaration Merging).md delete mode 100644 Programming & Language/선언 파일(dts).md delete mode 100644 Programming & Language/설정 객체 및 룩업 테이블 설계(Configuration Objects and Lookup Tables).md delete mode 100644 Programming & Language/성장 마인드셋 (Growth Mindset).md delete mode 100644 Programming & Language/성장 마인드셋(Growth Mindset).md delete mode 100644 Programming & Language/세대 가설(Generational Hypothesis).md delete mode 100644 Programming & Language/세대별 가설(Generational Hypothesis).md delete mode 100644 Programming & Language/소프트웨어 구성 분석(SCA).md delete mode 100644 Programming & Language/소프트웨어 아키텍처 베스트 프랙티스.md delete mode 100644 Programming & Language/소프트웨어 아키텍처 설계.md delete mode 100644 Programming & Language/수동 코드 리뷰 (Manual Code Review).md delete mode 100644 Programming & Language/수동 코드 리뷰.md delete mode 100644 Programming & Language/수렴-조절 불일치(Vergence-Accommodation Conflict).md delete mode 100644 Programming & Language/순차적 게이트 아키텍처.md delete mode 100644 Programming & Language/스캐빈저(Scavenger) _ 마이너 GC.md delete mode 100644 Programming & Language/스택 트레이스(Stack trace).md delete mode 100644 Programming & Language/스트랭글러 피그 패턴(Strangler Fig Pattern).md delete mode 100644 Programming & Language/스파게티 코드 (Spaghetti Code).md delete mode 100644 Programming & Language/스포티파이 자율적 분대 모델 (Spotify Squad).md delete mode 100644 Programming & Language/스포티파이 자율적 분대 모델 및 마이크로 프론트엔드 (Spotify Squads and Micro Frontends).md delete mode 100644 Programming & Language/스포티파이 자율적 분대 모델.md delete mode 100644 Programming & Language/스포티파이(Spotify)의 스쿼드 모델 및 마이크로 프론트엔드 도입.md delete mode 100644 Programming & Language/습관 교정 프로그램.md delete mode 100644 Programming & Language/시각 및 인지적 후유증 연구.md delete mode 100644 Programming & Language/시각-전정 갈등 (Visual-Vestibular Conflict).md delete mode 100644 Programming & Language/시각-전정 감각 충돌(Visual-Vestibular Conflict).md delete mode 100644 Programming & Language/시각-전정 충돌(Visual-vestibular conflict).md delete mode 100644 Programming & Language/시맨틱 웹 (Semantic Web).md delete mode 100644 Programming & Language/시스템 다이내믹스 (System Dynamics).md delete mode 100644 Programming & Language/시프트 레프트 (Shift-Left).md delete mode 100644 Programming & Language/시프트 레프트(Shift-Left).md delete mode 100644 Programming & Language/식별 가능한 유니온 (Discriminated Unions).md delete mode 100644 Programming & Language/식별 가능한 유니온(Discriminated Unions).md delete mode 100644 Programming & Language/식별 가능한 유니온.md delete mode 100644 Programming & Language/신경 가소성 (Neuroplasticity).md delete mode 100644 Programming & Language/실재감(Presence).md delete mode 100644 Programming & Language/심리적 계약 (Psychological Contract).md delete mode 100644 Programming & Language/심리적 안전감 (Psychological Safety).md delete mode 100644 Programming & Language/쓰기 장벽(Write Barrier).md delete mode 100644 Programming & Language/안구 운동 기능 (Oculomotor Functions).md delete mode 100644 Programming & Language/안구 운동 기능(Oculomotor functions).md delete mode 100644 Programming & Language/안구 운동 증상(Oculomotor Symptoms).md delete mode 100644 Programming & Language/안전한 TypeScript 데이터 모델링 및 설정 관리 구축.md delete mode 100644 Programming & Language/안전한 소프트웨어 개발 수명주기(SSDLC).md delete mode 100644 Programming & Language/알 수 없는 외부 데이터 검증 (unknown types).md delete mode 100644 Programming & Language/애자일 방법론 (Agile Methodology).md delete mode 100644 Programming & Language/약한 타입 검사(Weak Type Detection).md delete mode 100644 Programming & Language/약한 타입 탐지 (Weak Type Detection).md delete mode 100644 Programming & Language/양가감정(Ambivalence).md delete mode 100644 Programming & Language/에르고딕 문학(Ergodic Literature).md delete mode 100644 Programming & Language/에일리어싱 (Aliasing).md delete mode 100644 Programming & Language/엑서게임(Exergaming).md delete mode 100644 Programming & Language/엔터프라이즈 소프트웨어 개발.md delete mode 100644 Programming & Language/엔터프라이즈 소프트웨어 시스템 설계.md delete mode 100644 Programming & Language/엔터프라이즈 애플리케이션 및 점진적 리팩토링.md delete mode 100644 Programming & Language/엔터프라이즈 애플리케이션 설계.md delete mode 100644 Programming & Language/오래된 공간(Old Space).md delete mode 100644 Programming & Language/오리노코(Orinoco GC).md delete mode 100644 Programming & Language/오리노코(Orinoco) 프로젝트.md delete mode 100644 Programming & Language/오버드로우(Overdraw).md delete mode 100644 Programming & Language/오탐 (False Positive).md delete mode 100644 Programming & Language/오픈소스 컴포넌트 (Open Source Components).md delete mode 100644 Programming & Language/완전성 검사 (Exhaustiveness Checking).md delete mode 100644 Programming & Language/완전성 검사(Exhaustiveness Checking).md delete mode 100644 Programming & Language/외부 API 데이터 및 설정 파일 처리.md delete mode 100644 Programming & Language/외부 API 데이터의 런타임 검증 후 처리.md delete mode 100644 Programming & Language/외부 라이브러리 API 설계.md delete mode 100644 Programming & Language/웹 애플리케이션의 3계층 구조.md delete mode 100644 Programming & Language/웹 워커 이벤트 포워딩 Event Forwarding.md delete mode 100644 Programming & Language/웹 워커 이벤트 포워딩 통신 지연 최소화 방법.md delete mode 100644 Programming & Language/웹 프론트엔드 성능 최적화.md delete mode 100644 Programming & Language/유기적 통합 이론 (Organismic Integration Theory).md delete mode 100644 Programming & Language/유능감 및 자율성 욕구.md delete mode 100644 Programming & Language/유니언 타입 식별 및 상태 분기 처리.md delete mode 100644 Programming & Language/유니온 타입 (Union Types).md delete mode 100644 Programming & Language/유니온 타입(Union Types).md delete mode 100644 Programming & Language/유스케이스 (Use Cases).md delete mode 100644 Programming & Language/응집도 (Cohesion).md delete mode 100644 Programming & Language/응집도와 결합도 (Cohesion and Coupling).md delete mode 100644 Programming & Language/응집도와 결합도.md delete mode 100644 Programming & Language/의사결정 속도(Decision Speed).md delete mode 100644 Programming & Language/의존성 역전 (Dependency Inversion).md delete mode 100644 Programming & Language/의존성 역전 원칙 (DIP).md delete mode 100644 Programming & Language/의존성 역전 원칙 (Dependency Inversion Principle DIP).md delete mode 100644 Programming & Language/의존성 역전 원칙 (Dependency Inversion Principle).md delete mode 100644 Programming & Language/의존성 주입 (DI).md delete mode 100644 Programming & Language/의존성 주입 (Dependency Injection).md delete mode 100644 Programming & Language/의존성 주입(DI).md delete mode 100644 Programming & Language/이동 속도(Movement Speed).md delete mode 100644 Programming & Language/이벤트 기반 아키텍처 (Event-Driven Architecture).md delete mode 100644 Programming & Language/이전 세대(Old Generation_Space).md delete mode 100644 Programming & Language/이커머스의 실시간 재고 관리.md delete mode 100644 Programming & Language/인문학적 게임 비평 및 서사학12.md delete mode 100644 Programming & Language/임베딩 (Embedding).md delete mode 100644 Programming & Language/임상 심리학의 변화 동기 치료.md delete mode 100644 Programming & Language/자기결정성 이론 (SDT).md delete mode 100644 Programming & Language/자기결정성 이론 (Self-Determination Theory).md delete mode 100644 Programming & Language/자동화된 코드 리뷰.md delete mode 100644 Programming & Language/자바 가상 머신(JVM).md delete mode 100644 Programming & Language/자율성 지지 (Autonomy Support).md delete mode 100644 Programming & Language/자폐 스펙트럼 장애(ASD) 중재.md delete mode 100644 Programming & Language/장기 실행되는 실시간 데이터 대시보드 최적화.md delete mode 100644 Programming & Language/재귀적 불변성 (DeepReadonly).md delete mode 100644 Programming & Language/전두엽 기능 저하 (Hypofrontality).md delete mode 100644 Programming & Language/절차적 수사학(Procedural Rhetoric).md delete mode 100644 Programming & Language/점진적 마킹(Incremental marking).md delete mode 100644 Programming & Language/정서적 고전적 조건 형성 (Emotional Classical Conditioning).md delete mode 100644 Programming & Language/정신 의학적 진단 체계 (DSM-5_ICD-11).md delete mode 100644 Programming & Language/정적 분석(Static Analysis).md delete mode 100644 Programming & Language/제어 흐름 분석 (Control Flow Analysis).md delete mode 100644 Programming & Language/조작적 조건 형성 (Operant Conditioning).md delete mode 100644 Programming & Language/조작적 조건 형성.md delete mode 100644 Programming & Language/조작적 조건형성.md delete mode 100644 Programming & Language/조절-폭주 불일치 (Vergence-Accommodation Conflict).md delete mode 100644 Programming & Language/조절-폭주 불일치(Vergence-Accommodation Conflict).md delete mode 100644 Programming & Language/조직 개발(OD) 프로그램 설계.md delete mode 100644 Programming & Language/조직 행동 관리(OBM).md delete mode 100644 Programming & Language/조직 행동론 및 직무 만족도 연구.md delete mode 100644 Programming & Language/중뇌-변연계 경로 (Mesolimbic Pathway).md delete mode 100644 Programming & Language/지식 그래프 (Knowledge Graph).md delete mode 100644 Programming & Language/직무 특성 모델 (Job Characteristics Model).md delete mode 100644 Programming & Language/집합론 (Set Theory).md delete mode 100644 Programming & Language/집합론(Set Theory).md delete mode 100644 Programming & Language/철벽 수비대 인터페이스 설계 전략.md delete mode 100644 Programming & Language/철벽 수비대_ TypeScript 타입 시스템과 견고한 인터페이스 설계의 정수.md delete mode 100644 Programming & Language/초과 속성 검사 (Excess Property Checking).md delete mode 100644 Programming & Language/초과 속성 검사 (Excess Property Checks).md delete mode 100644 Programming & Language/추론 엔진 (Semantic Reasoner).md delete mode 100644 Programming & Language/추상 구문 트리(AST).md delete mode 100644 Programming & Language/추상화(Abstraction).md delete mode 100644 Programming & Language/추상화.md delete mode 100644 Programming & Language/카오스 몽키(Chaos Monkey).md delete mode 100644 Programming & Language/커뮤니티 탐지 (Community Detection).md delete mode 100644 Programming & Language/코드 리뷰 (Code Review).md delete mode 100644 Programming & Language/코드 서식 지정과 축소가 코드 스타일로메트리(작성자 인식)에 미치는 영향을 평가하는 기계 학습 모델 분류 연구.md delete mode 100644 Programming & Language/코드 스타일로메트리 (Code Stylometry).md delete mode 100644 Programming & Language/코드 축소 (Code minification).md delete mode 100644 Programming & Language/코드 포매팅 (Code formatting).md delete mode 100644 Programming & Language/코드 품질 관리 및 자동화 (Code Quality Management and Automation).md delete mode 100644 Programming & Language/코스모스(Cosmos).md delete mode 100644 Programming & Language/클로저(Closures).md delete mode 100644 Programming & Language/타임라인 할당 계측(Allocation instrumentation on timeline).md delete mode 100644 Programming & Language/타입 가드 (Type Predicates).md delete mode 100644 Programming & Language/타입 가드(Type Guards).md delete mode 100644 Programming & Language/타입 단언 (Type Assertions).md delete mode 100644 Programming & Language/타입 단언(Type Assertion).md delete mode 100644 Programming & Language/타입 단언(Type Assertions).md delete mode 100644 Programming & Language/타입 서술어 (Type Predicates).md delete mode 100644 Programming & Language/타입 서술어(Type Predicates).md delete mode 100644 Programming & Language/타입 안전성 (Type Safety).md delete mode 100644 Programming & Language/타입 정의가 부족한 서드파티 라이브러리 연동.md delete mode 100644 Programming & Language/타입 조건자(Type Predicates).md delete mode 100644 Programming & Language/타입 좁히기 (Type Narrowing).md delete mode 100644 Programming & Language/타입 좁히기(Type Narrowing).md delete mode 100644 Programming & Language/타입 캐스팅 (Type Casting).md delete mode 100644 Programming & Language/타입스크립트 상태 관리 및 분기 처리 설계.md delete mode 100644 Programming & Language/타파스(Tapas).md delete mode 100644 Programming & Language/토스(Toss) Front SDK 퍼사드 패턴 적용.md delete mode 100644 Programming & Language/토스(Toss) SDK 설계.md delete mode 100644 Programming & Language/토스플레이스 결제 단말기 외부 연동 SDK 개발.md delete mode 100644 Programming & Language/팀 단위 코드 품질 및 컨벤션 유지.md delete mode 100644 Programming & Language/포인터 압축(Pointer Compression).md delete mode 100644 Programming & Language/폭주-조절 갈등 (Vergence-Accommodation Conflict).md delete mode 100644 Programming & Language/폭주-조절 불일치(Vergence-Accommodation Conflicts).md delete mode 100644 Programming & Language/폭주-조절 불일치(Vergence-accommodation conflict).md delete mode 100644 Programming & Language/폭주-조절 충돌(Vergence-accommodation conflict).md delete mode 100644 Programming & Language/프론트엔드 및 모노레포(Monorepo) 개발 환경 설정.md delete mode 100644 Programming & Language/핀테크의 실시간 사기 탐지.md delete mode 100644 Programming & Language/하이브리드 검색 (Hybrid Search).md delete mode 100644 Programming & Language/할당 타임라인(Allocation Timeline).md delete mode 100644 Programming & Language/행동 경제학의 인센티브 구조 설계.md delete mode 100644 Programming & Language/행동 경제학의 학습 이론.md delete mode 100644 Programming & Language/행동 수정 기법.md delete mode 100644 Programming & Language/행동주의 심리학 (Behaviorism).md delete mode 100644 Programming & Language/행동주의 심리학.md delete mode 100644 Programming & Language/헬스케어의 민감 데이터(PII_PCI) 보안 규제 준수.md delete mode 100644 Programming & Language/회복탄력성 (Resilience).md delete mode 100644 Programming & Language/힙 메모리(Heap Memory).md delete mode 100644 Programming & Language/힙 스냅샷 (Heap Snapshots).md delete mode 100644 Programming & Memory/ArrayBuffer.md delete mode 100644 Programming & Tools/AST-based-Static-Analysis.md delete mode 100644 Programming & Web/ASPNET Core.md delete mode 100644 Psychology & Behavior/ABA(Applied Behavior Analysis).md delete mode 100644 Psychology & Behavior/Addiction Neuroscience.md delete mode 100644 Psychology & Behavior/Agent-Based Modeling.md delete mode 100644 Psychology & Behavior/Agent-Based-Modeling.md delete mode 100644 Psychology & Behavior/Amygdala Hyperactivity.md delete mode 100644 Psychology & Behavior/보상의 역효과 (Overjustification Effect).md delete mode 100644 Psychology & Education/Functional Behavior Analysis (FBA).md delete mode 100644 Psychology/ABA.md delete mode 100644 Psychology/Addiction_Neuroscience.md delete mode 100644 Psychology/Behavioral_Economics.md delete mode 100644 Psychology/Dopamine.md delete mode 100644 Psychology/Neuroplasticity.md delete mode 100644 Psychology/Nudge_Theory.md delete mode 100644 Psychology/Operant_Conditioning.md delete mode 100644 React_Clean_Code_Best_Practices.md delete mode 100644 React_Hooks_Deep_Dive.md delete mode 100644 React_Mental_Model.md delete mode 100644 React_Performance_Optimization.md delete mode 100644 React_State_Management_Strategy.md delete mode 100644 React_Testing_Strategy.md delete mode 100644 Reliability_Safety_First.md delete mode 100644 Security & AI/Adversarial Attack (적대적 공격).md delete mode 100644 Security & Reliability/OWASP Top 10.md delete mode 100644 Security/Formal-Methods-in-Software-Engineering.md delete mode 100644 Separation_of_Concerns.md delete mode 100644 Simulation & Math/Agent-Based Modeling (ABM).md delete mode 100644 Single_Source_of_Truth.md delete mode 100644 Sociology & Tech/Algorithmic Governance.md delete mode 100644 Sociology & Tech/Algorithmic-Governance.md delete mode 100644 Software Architecture/API-Contract-Definition.md delete mode 100644 Software Architecture/API-First Architecture.md delete mode 100644 Software Architecture/API-First-Design.md delete mode 100644 Software Architecture/AlphaGo (Monte Carlo Tree Search RL)] [Autonomous Driving Simulation] [Robotic Manipulation.md delete mode 100644 Software Architecture/Architectural-Constraint-Enforcement.md delete mode 100644 Software Architecture/Deterministic Lockstep Architecture.md delete mode 100644 Software Architecture/Domain-Driven Design (DDD).md delete mode 100644 Software Architecture/Hello Games Development Lifecycle.md delete mode 100644 Software Architecture/Microservices-Architecture.md delete mode 100644 Software Architecture/Nudge Theory.md delete mode 100644 Software Architecture/Sports Management Theory.md delete mode 100644 Software Architecture/Throttling Debouncing (스로틀링과 디바운싱).md delete mode 100644 Software Reliability/Amazon-AWS-Formal-Verification.md delete mode 100644 Styling_Governance.md delete mode 100644 System Architecture & Reliability/Distributed-Systems-Engineering.md delete mode 100644 System Architecture & Simulation/Digital Twins.md delete mode 100644 System Design & Modeling/Event Storming.md delete mode 100644 System_Debugging_Protocol.md delete mode 100644 System_Protocol_Standard.md delete mode 100644 Systemic Modeling & Fun/Game Design Theory.md delete mode 100644 Systemic_Simulation_Principles.md delete mode 100644 Tetris_Project_Retrospective.md delete mode 100644 TypeScript 컴파일러의 정적 타입 시스템.md delete mode 100644 TypeScript_Type_Safety.md delete mode 100644 Web & Performance/Analyze runtime performance.md delete mode 100644 WebWorker_Performance.md delete mode 100644 pending_topics_list.txt delete mode 100644 src/TetrisGame.jsx delete mode 100644 src/gameWorker.js delete mode 100644 src/hooks/useGameLogic.js delete mode 100644 src/tetris-worker.js diff --git a/.DS_Store b/.DS_Store new file mode 100644 index 0000000000000000000000000000000000000000..a2bcbc2ae768a6a93a06c011869a82dc91f05982 GIT binary patch literal 10244 zcmeHM&2Ah;5U%l0V#h{!M4Z@41e+WXrzPP5kYk)cBz_`n$;V~AJGPhDyV0yS!JPI9 zIPeslK;jY(JPVHkd|!3j?&|Hee1U+}ZO!ydPt{k|UseCDMWomqbsvf}L}URM>y>5P z5{2J+O_Ukm(nMWAU!EQfI(tWhJ-n|>Nau#kKxQB_kQvAfWCs2V3}DS>Sy*y)zGnt9 z1DSzy1~@-7aIxO-_1M)qb>OB)0Mv76)`Dl<`lD{J0riHj$F4>TO5s#dJJrG;F$#Zj zD4aUJZ+Q8!tDU+OY8g1*a^X)Xg+F){4HcJS!`1no8ORJwGQhL@oHXS?dU6t--#78C z`Ii<|T!h>}_GAdzF0QupBaL4pjcf7%e=YeMvahUcaX*s10m+AueI&JX;PkcenvghIEKuZm!j;#n?37?Y+@+A z8^rDg5Qc~yvzZpje&jpjWOP+3VKq{0)uV_vtEHz&)SXKNFY>so&qHDhDV*!WDN^c=b^ z*#bs|5yU5*6_R*$gtuz&m_2=X#|&>F!=2YhDI|^K4?!I78Kh@Gs%0MtZp8Gpk1hEM z9&#*lWPN|ZY|;Xw9$K*cZmXXsutQJDvzvjAeIHsF|0l4{=vB?(8jvy#SSzX zEjJ5X4Ut(9BHmF%&S!0`3Oz83H3Z%etqq1a%ku3B+H18oEe}G}1!z~`bOas6i}HqX z4&~p9<$aDnlBZTv+>Ms0@@$96cHr-bSg9P+F&ZMSC`JdU z=kuBOi1~zh&U(Z-)v&ax`uni=N|~yleX-s%n>oWU^3hts*v~*e~P|g=K&u$?p)Loc}unp(mfz?on|kNr}xYAbp>C^zOle{|LPVJ*)tg(gTEHx zbKV_-mjkfi_6ZmBrm|)6G)8{}F}iE;+&sRA=pNwjjBU5#bBEN?oJugwHF7@0y%XWa z7;ZLW?7Es|-BfOKycyKn29+xpcS2|Dg!A`ow={}(ftn4Wk2V{KMz1Evvs*2R&QbLO zd3ecsY5aXpIOezxa6jpA2H2yzF~mK$`#Qi^?npVZE?qqh`iDS2RlRL!(gs(zM)`JG zm9NXPY?n*rsQjgz$NN&rFUxrPUGG2PZN*FchUY~{E|x>I?U%1pv0&z0`!dL!^`!OI zd8=JvrsRx4EOAD_j?L$Bat*iH%=|D2YaU@2IZ@+Oz!`$9r*;DgkC-6_566vMG6Qdr zfmvs}!QcNMPyhe_8}u-n&J1J*{%Hn^xvlLjEW!M-K3Qha+Q9V literal 0 HcmV?d00001 diff --git a/AI & Biology/Artificial Life (ALife).md b/AI & Biology/Artificial Life (ALife).md deleted file mode 100644 index ea68a000..00000000 --- a/AI & Biology/Artificial Life (ALife).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-7C3E9E -category: "[[10_Wiki/💡 Topics/AI & Biology]]" -confidence_score: 0.95 -tags: [] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Mega Batch 2 - Wikified Artificial Life (ALife)" ---- - -# [[Artificial Life (ALife)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 작업 중 - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중 - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 지식 자산화 및 기존 네트워크 연동 단계. -- **정책 변화:** AI & Biology 카테고리의 전문성 확보 및 링크 밀도 최적화. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Artificial Life (ALife).md]] ---- diff --git a/AI & Ethics/Algorithmic Bias in Art.md b/AI & Ethics/Algorithmic Bias in Art.md deleted file mode 100644 index d45c0b7d..00000000 --- a/AI & Ethics/Algorithmic Bias in Art.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-DEC2D9 -category: "[[10_Wiki/💡 Topics/AI & Ethics]]" -confidence_score: 0.95 -tags: [] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Batch 11 - Wikified Algorithmic Bias in Art" ---- - -# [[Algorithmic Bias in Art]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 작업 중 - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중 - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 신규 지식 카테고리화 및 연결성 강화. -- **정책 변화:** AI & Ethics 분야의 지식 자산 보호 및 네트워크 확장. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Algorithmic Bias in Art.md]] ---- diff --git a/AI & Ethics/Algorithmic Decision Making.md b/AI & Ethics/Algorithmic Decision Making.md deleted file mode 100644 index 4c83e582..00000000 --- a/AI & Ethics/Algorithmic Decision Making.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-E80494 -category: "[[10_Wiki/💡 Topics/AI & Ethics]]" -confidence_score: 0.95 -tags: [] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Batch 11 - Wikified Algorithmic Decision Making" ---- - -# [[Algorithmic Decision Making]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 작업 중 - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중 - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 신규 지식 카테고리화 및 연결성 강화. -- **정책 변화:** AI & Ethics 분야의 지식 자산 보호 및 네트워크 확장. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Algorithmic Decision Making.md]] ---- diff --git a/AI & Ethics/Artificial-Intelligence-Explainability.md b/AI & Ethics/Artificial-Intelligence-Explainability.md deleted file mode 100644 index c4e361d0..00000000 --- a/AI & Ethics/Artificial-Intelligence-Explainability.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-935E0A -category: "[[10_Wiki/💡 Topics/AI & Ethics]]" -confidence_score: 0.95 -tags: [] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Mega Batch 2 - Wikified Artificial-Intelligence-Explainability" ---- - -# [[Artificial-Intelligence-Explainability]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 작업 중 - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중 - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 지식 자산화 및 기존 네트워크 연동 단계. -- **정책 변화:** AI & Ethics 카테고리의 전문성 확보 및 링크 밀도 최적화. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Artificial-Intelligence-Explainability.md]] ---- diff --git a/AI & Games/AlphaZero Strategy.md b/AI & Games/AlphaZero Strategy.md deleted file mode 100644 index 06feed44..00000000 --- a/AI & Games/AlphaZero Strategy.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-5267ED -category: "[[10_Wiki/💡 Topics/AI & Games]]" -confidence_score: 0.95 -tags: [] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Mega Batch - Wikified AlphaZero Strategy" ---- - -# [[AlphaZero Strategy]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 핵심 요약 작업 진행 중 - -## 📖 구조화된 지식 (Synthesized Content) -본문 상세 구성 진행 중 - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 지식 자산화 및 기존 네트워크 연동 단계. -- **정책 변화:** AI & Games 카테고리의 전문성 확보 및 링크 밀도 최적화. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/AlphaZero Strategy.md]] ---- diff --git a/AI & ML MLOps/Concept Drift (개념 드리프트, 모델 지식의 부패).md b/AI & ML MLOps/Concept Drift (개념 드리프트, 모델 지식의 부패).md deleted file mode 100644 index d9244c6d..00000000 --- a/AI & ML MLOps/Concept Drift (개념 드리프트, 모델 지식의 부패).md +++ /dev/null @@ -1,32 +0,0 @@ ---- -id: P-REINFORCE-AI-047 -category: "[[10_Wiki/💡 Topics/AI & ML MLOps]]" -confidence_score: 0.96 -tags: [ai, machine learning, mlops, data science] -last_reinforced: 2026-06-XX -github_commit: "[P-Reinforce] Processed Concept Drift (개념 드리프트)." ---- - -# [[Concept Drift (개념 드리프트)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 시간이 지남에 따라 데이터의 통계적 특성이나 생성 메커니즘 자체가 변화하여, 이전에 학습된 AI 모델의 예측 정확도와 신뢰도가 점진적으로 떨어지는 현상이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **정의:** 머신러닝 시스템이 배포되고 운영되는 환경에서 발생하는 데이터 분포의 변화를 의미한다. 이는 단순한 '데이터 부족' 이상의 근본적인 모델 성능 저하 문제다. -- **유형 및 원인:** - 1. **Covariate Shift (공변량 드리프트):** 입력 데이터 $P(X)$가 변하는 경우. (예: 특정 계절에만 발생하는 트래픽 패턴 변화). - 2. **Concept Drift (개념 드리프트):** 실제 데이터 생성 과정 자체가 변하여, 같은 입력 $X$에 대한 레이블 $Y$의 조건부 확률 $P(Y|X)$가 변하는 경우. (예: 사용자의 구매 행동 패턴이 시대에 따라 근본적으로 변화). -- **탐지 및 대응:** - 1. **모니터링:** 모델 예측 결과와 실제 데이터 분포 간의 KL Divergence, JS Divergence 등을 주기적으로 측정하여 이상 징후를 포착한다. - 2. **재학습 (Retraining):** 드리프트가 감지되면 최신 데이터를 반영하여 모델을 재학습하거나(Online Learning), 모델 자체를 업데이트해야 한다. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 개념 드리프트는 '일회성 문제'가 아니라, AI/MLOps 운영의 *지속적인* 관리 영역임을 인식해야 하며, 이를 위한 자동화 파이프라인(Monitoring Pipeline) 구축이 필수적이다. -- **정책 변화:** 최근에는 설명 가능한 AI (XAI) 기법을 결합하여, 모델이 왜 성능 저하를 겪고 있는지 '어떤 개념'에서 벗어났는지 진단하는 것이 중요해지고 있다. - -## 🔗 지식 연결 (Graph) -- Parent: [[Model Collapse (모델 붕괴 현상)]] -- Related: [[MLOps]] , [[Data Science in UX]] , [[Continuous Monitoring]] -- Raw Source: [[00_Raw/Concept Drift (개념 드리프트).md]] ---- \ No newline at end of file diff --git a/AI & Narrative/AI-Driven Narrative Systems.md b/AI & Narrative/AI-Driven Narrative Systems.md deleted file mode 100644 index 639fdde5..00000000 --- a/AI & Narrative/AI-Driven Narrative Systems.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-8DB819 -category: "[[10_Wiki/💡 Topics/AI & Narrative]]" -confidence_score: 0.95 -tags: [] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Batch 10 - Wikified AI-Driven Narrative Systems" ---- - -# [[AI-Driven Narrative Systems]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 핵심 내용 요약 예정 - -## 📖 구조화된 지식 (Synthesized Content) -세부 본문 내용 구성 예정 - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 신규 지식 유입에 따른 기존 지식과의 정합성 검증 단계. -- **정책 변화:** AI & Narrative 분야의 체계적 지식 자산화 진행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/AI-Driven Narrative Systems.md]] ---- diff --git a/AI & Psychology/Affective Computing.md b/AI & Psychology/Affective Computing.md deleted file mode 100644 index 86f6f21c..00000000 --- a/AI & Psychology/Affective Computing.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-E4FCEF -category: "[[10_Wiki/💡 Topics/AI & Psychology]]" -confidence_score: 0.95 -tags: [] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Batch 10 - Wikified Affective Computing" ---- - -# [[Affective Computing]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 핵심 내용 요약 예정 - -## 📖 구조화된 지식 (Synthesized Content) -세부 본문 내용 구성 예정 - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 신규 지식 유입에 따른 기존 지식과의 정합성 검증 단계. -- **정책 변화:** AI & Psychology 분야의 체계적 지식 자산화 진행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Affective Computing.md]] ---- diff --git a/AI & Tools/AI Connect LLM Tool.md b/AI & Tools/AI Connect LLM Tool.md deleted file mode 100644 index a2eb2126..00000000 --- a/AI & Tools/AI Connect LLM Tool.md +++ /dev/null @@ -1,39 +0,0 @@ ---- -id: P-REINFORCE-92F236 -category: "[[10_Wiki/💡 Topics/AI & Tools]]" -confidence_score: 0.95 -tags: [] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Batch 10 - Wikified AI Connect LLM Tool" ---- - -# [[AI Connect LLM Tool]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> **Connect AI**는 100% 로컬 및 오프라인 환경에서 작동하는 VS Code 전용 프리미엄 AI 코딩 에이전트입니다. 외부 서버 연결 없이 사용자의 하드웨어(Ollama/LM Studio)를 직접 활용하여 파일 생성, 편집, 터미널 명령 실행 및 개인 지식 기반(Second Brain) 연동을 지원합니다. - -## 📖 구조화된 지식 (Synthesized Content) - - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 신규 지식 유입에 따른 기존 지식과의 정합성 검증 단계. -- **정책 변화:** AI & Tools 분야의 체계적 지식 자산화 진행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[Ollama]], [[LM Studio]], [[VS Code Extension Development]], [[Agentic AI]] -- **Projects/Contexts:** [[Connect-AI-Lab]], [[EZERAI Infrastructure]] -- **Contradictions/Notes:** - - **통합 구조:** 현재 프로젝트는 모든 로직(UI, 통신, 에이전트)이 `extension.ts` 하나에 집중된 모놀리식 구조를 가지고 있어, 향후 대규모 기능 추가 시 모듈화가 권장됩니다. - - **보안:** 모든 작업이 로컬에서 이루어지므로 기업 보안 환경에 매우 적합하나, `run_command` 실행 시 사용자의 최종 확인 절차가 보완될 필요가 있습니다. - ---- - -*Last updated: 2026-04-14* - ---- - -# 🕵️ 프로젝트 코드 리뷰 리포트 - -`/Volumes/Data/project/Antigravity/local_module/resource` 프로젝트에 대한 상세 코드 리뷰 결과입니다. -- Raw Source: [[00_Raw/2026-04-20/AI Connect LLM Tool.md]] ---- diff --git a/AI/20k skinned instances demo.md b/AI/20k skinned instances demo.md deleted file mode 100644 index 98468692..00000000 --- a/AI/20k skinned instances demo.md +++ /dev/null @@ -1,39 +0,0 @@ ---- -id: P-REINFORCE-AUTO-EB3F3C -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - 20k skinned instances demo" ---- - -# [[20k skinned instances demo]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> '20k skinned instances demo'는 Three.js 기반의 오픈 소스 라이브러리인 InstancedMesh2를 활용하여 20,000개의 개별적인 스킨드 인스턴스(Skinned instances)를 동시에 렌더링하는 성능 최적화 데모입니다 [1, 2]. 이 데모는 모바일 기기에서도 3,000개의 인스턴스를 원활하게 구동할 수 있도록 설계되었습니다 [2]. 프러스텀 컬링, 거리 기반 애니메이션 프레임 조절, 다중 LOD(Level of Detail) 생성 등 다양한 최적화 기법을 적용하여 단 5번의 드로우 콜만으로 렌더링을 처리하는 것이 특징입니다 [2, 3]. - -## 📖 구조화된 지식 (Synthesized Content) -이 데모는 제작자(agargaro)가 개발한 `instancedMesh2` 라이브러리를 기반으로 하며, 대규모 스킨드 메쉬를 렌더링하기 위해 다음과 같은 세부 최적화 기술들을 사용했습니다 [2]. - -* **프러스텀 컬링 및 시야 기반 업데이트 (Frustum Culling & View-based Updates):** - 기본적인 프러스텀 컬링을 적용하여 카메라 시야(Frustum) 내에 존재하는 인스턴스들에 대해서만 뼈대(Bones) 연산을 업데이트합니다 [2]. -* **동적 애니메이션 프레임 제어:** - 카메라와 각 인스턴스 간의 거리를 계산하여 애니메이션 FPS를 0에서 60 사이로 개별 설정함으로써 불필요한 연산을 줄입니다 [2]. -* **LOD(Level of Detail)의 적극적 활용:** - `meshoptimizer`를 활용해 5단계의 기하학적 LOD를 생성했습니다 [2]. 거리가 먼 인스턴스에 대해서는 일부 뼈대 계산을 생략하며, 각 LOD마다 1개의 드로우 콜(Draw Call)만 발생시켜 총 5개의 드로우 콜만으로 렌더링을 완료합니다 [2, 3]. 또한, 그림자(Shadows) 렌더링 시에도 LOD를 관리할 수 있도록 구성되어 있습니다 [4]. -* **개별 애니메이션 지원:** - 단일 인스턴스들의 복제본들이 모두 동일한 애니메이션과 포즈를 공유하는 것이 아니라, 각 인스턴스마다 서로 다른 애니메이션을 가집니다 [5, 6]. 이 데모에서는 하나의 애니메이션 믹서(Mixer)를 사용했지만, 필요에 따라 인스턴스별로 믹서를 생성할 수도 있습니다 [6]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[InstancedMesh2]], [[Frustum Culling]], [[Level of Detail (LOD)]], [[Skinned Mesh]], [[Draw Call]] -- **Projects/Contexts:** [[three.js]] -- **Contradictions/Notes:** 본 텍스처(Bone texture)의 부분 업데이트(Partial texture updates) 기능은 PC 환경에서 60FPS를 달성하는 데 도움이 될 수 있는 최적화 기법이지만, 모바일 기기와 파이어폭스(Mozilla Firefox) 브라우저에서는 이중 버퍼링(Double buffering) 부재로 인해 오히려 속도가 느려지는 문제가 있어 본 데모에서는 비활성화된 상태로 제공되었습니다 [2, 7]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/20k skinned instances demo.md]] ---- diff --git a/AI/AI Safety (AI 안전).md b/AI/AI Safety (AI 안전).md deleted file mode 100644 index 294de58d..00000000 --- a/AI/AI Safety (AI 안전).md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-SAFETY -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 1.0 -tags: [AI Safety, Alignment, Risk Management, AI Ethics] -last_reinforced: 2026-04-20 ---- - -# [[AI-Safety]] (AI 안전) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "브레이크 없는 기차는 재앙이다." 인간보다 강력한 지능이 탄생했을 때, 그 지능이 인간의 목표와 문명을 파괴하지 않도록 기술적/방어적 보호막을 구축하는 가장 시급한 연구 분야다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Robustness**: - - 적대적 공격(Adversarial Attack)이나 처음 보는 돌발 상황에서도 AI가 오작동하지 않고 안전하게 관리되는 성질. -- **Interpretability**: - - 신경망이라는 블랙박스 내부에서 어떤 논리 구조로 판단을 내리는지 인간이 읽을 수 있게 시각화하고 분석하는 기술(Mechanistic Interpretability). -- **Scalable Oversight**: - - 인간이 이해하기 힘든 복잡한 지능을 가진 AI를 다른 AI가 감시하게 하여, 인간의 통제력을 잃지 않게 하는 감시 체계. - -## ⚠️ 모순 및 업데이트 (RL Update) -- AI 안전은 종종 모델의 성능 발전을 늦춘다는 비판을 받는다. 그러나 최근 연구에 따르면, 안전하게 설계된 모델(Aligned model)이 정제된 사고 능력 덕분에 실제 실무 성능도 더 높게 나타나는 '보안-성능 시너지'가 확인되고 있다. - -## 🔗 지식 연결 (Graph) -- Related: [[AI-Alignment]] , [[AI-Governance]] -- Strategy: [[Reliability_Safety_First]] diff --git a/AI/AI 거버넌스 정책(AI Usage Policy).md b/AI/AI 거버넌스 정책(AI Usage Policy).md deleted file mode 100644 index 42ace3fc..00000000 --- a/AI/AI 거버넌스 정책(AI Usage Policy).md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-GOV-POLICY -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.99 -tags: [AI Governance, Policy, Compliance, Risk Management] -last_reinforced: 2026-04-20 ---- - -# [[AI-거버넌스-정책(AI-Usage-Policy)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "자율에는 책임이 따른다." 조직 내 AI 도입이 법적, 윤리적, 보안적으로 안전한 궤도를 유지하도록 규정하는 의사결정 프레임워크이자 규율이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Data Privacy & IP Protection**: - - 기업의 민감 데이터나 지식 재산권이 외부 AI 서비스의 학습 데이터로 유출되지 않도록 하는 차단 가이드라인. -- **Human-in-the-loop**: - - 중요한 비즈니스 의사결정이나 콘텐츠 생성 결과물에 대해 반드시 인간이 최종 검토하고 책임을 지게 하는 원칙. -- **Accountability Framework**: - - AI 오작동으로 인한 피해 발생 시, 누가 책임을 지고 어떻게 복구할 것인지에 대한 법적 대응 절차. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 정책이 너무 경직되면 조직의 혁신 속도가 죽는다. 따라서 '무조건 금지'가 아니라, 승인된 도구 내에서 안전하게 실험할 수 있는 '샌드박스 정책'과 주기적인 'AI 리터러시 교육'이 병행되어야 한다. - -## 🔗 지식 연결 (Graph) -- Related: [[Security-Governance]] , [[AI-Ethics]] -- Authority: [[Deployment_Final_Gate]] diff --git a/AI/AI 생성 코드 검증(AI Code Assurance).md b/AI/AI 생성 코드 검증(AI Code Assurance).md deleted file mode 100644 index e5ba6e97..00000000 --- a/AI/AI 생성 코드 검증(AI Code Assurance).md +++ /dev/null @@ -1,39 +0,0 @@ ---- -id: P-REINFORCE-AUTO-254BE9 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - AI 생성 코드 검증(AI Code Assurance)" ---- - -# [[AI 생성 코드 검증(AI Code Assurance)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> AI Code Assurance(AI 생성 코드 검증)는 AI가 생성하거나 지원한 코드로 인해 발생할 수 있는 고유한 품질 및 보안 위험을 해결하기 위해 설계된 워크플로우이자 검증 프로세스입니다 [1]. 이를 통해 조직은 AI가 작성한 코드가 프로덕션 환경에 배포되기 전에 엄격한 보안, 신뢰성 및 품질 표준을 충족하는지 확인할 수 있습니다 [1, 2]. 주로 정적 애플리케이션 보안 테스트(SAST)와 자동화된 코드 리뷰를 활용하여 결함과 취약점을 조기에 식별하고 일관된 표준을 강제합니다 [2, 3]. - -## 📖 구조화된 지식 (Synthesized Content) -- **목적 및 필요성** - AI 어시스턴트가 생성한 코드는 스타일과 품질 측면에서 매우 일관성이 없고 변동성이 클 수 있습니다 [4, 5]. AI Code Assurance의 목적은 전체 소프트웨어 개발 수명 주기(SDLC)에서 AI 생성 코드의 비율이 증가하더라도 인간이 작성한 코드와 동일한 품질 게이트(Quality Gate) 표준을 적용하여, 유지보수성과 보안에 대한 일관된 규칙을 강제하는 것입니다 [1, 5]. - -- **주요 기능 및 작동 방식** - - **AI 코드 감지 및 추적:** 시스템은 프로젝트 내에 AI 생성 코드가 존재함을 자동으로 감지하거나 개발자가 직접 태그를 지정할 수 있게 합니다 [3]. 이를 통해 명확한 라벨링과 배지를 부여하여 AI 코드의 관리, 유지보수 및 규정 준수 모니터링을 간소화합니다 [3]. - - **정적 코드 분석(SAST) 적용:** 결정론적(deterministic)이고 독립적인 코드 검증 방식인 정적 코드 분석과 오염 분석(Taint Analysis)을 사용하여 코드를 스캔합니다 [4, 6]. 이를 통해 보안 취약점, 유출된 비밀 정보, 코드 냄새(Code smells), 논리적 결함 및 성능 위험을 풀 리퀘스트(Pull Request) 단계에서 조기에 표면화합니다 [4, 6, 7]. - - **워크플로우 및 에이전트 통합:** IDE부터 CI/CD 파이프라인에 이르기까지 기존 개발 워크플로우에 원활하게 통합됩니다 [6, 8]. 특히, MCP(Model Context Protocol)를 통해 Cursor, Claude Code, Windsurf와 같은 AI 코딩 에이전트와 직접 연결되어, 코드가 생성되는 실시간 대화 흐름 속에서 보안 핫스팟 분석 및 피드백을 제공합니다 [4, 8, 9]. - -- **기대 효과** - 위험도가 가장 높은 문제를 자동으로 강조 표시하여 코드 리뷰어의 피로도를 크게 줄여주며, 배포 주기를 단축합니다 [4]. 또한 조직은 PCI, OWASP, CWE와 같은 널리 통용되는 규정 준수 및 보안 표준을 충족하면서 신뢰성 있게 AI 기여(contribution)를 수용할 수 있습니다 [10, 11]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[Static Application Security Testing (SAST)]], [[Model Context Protocol (MCP)]], [[Automated Code Review]] -- **Projects/Contexts:** [[SonarQube Server]], [[SonarQube Cloud]] -- **Contradictions/Notes:** 소스에 따르면 AI 어시스턴트가 생성하는 코드는 본질적으로 일관성이 없고 예측하기 어려울 수 있지만, 이에 적용되는 정적 코드 분석 기술은 '결정론적(deterministic)'이므로 AI 코드의 불확실성을 극복하고 신뢰할 수 있는 독립적인 검증을 제공할 수 있다고 강조합니다 [4]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/AI 생성 코드 검증(AI Code Assurance).md]] ---- diff --git a/AI/AI 에이전트 (AI Agent).md b/AI/AI 에이전트 (AI Agent).md deleted file mode 100644 index b27faacd..00000000 --- a/AI/AI 에이전트 (AI Agent).md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-AGENT -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 1.0 -tags: [AI Agent, Autonomy, Planning, Reasoning, Action] -last_reinforced: 2026-04-20 ---- - -# [[AI-에이전트-(AI-Agent)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "단순한 계산기에서 자율적인 일꾼으로." 스스로 목표를 설정하고, 계획을 세우며, 도구(Browser, Terminal 등)를 사용하여 주어진 과업을 끝까지 완수하는 자율적 지능체다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Planning & Reasoning**: - - 거대 언어 모델(LLM)을 두뇌로 삼아 복잡한 문제를 작은 단계로 분해(Chain-of-Thought)하고 전략을 수립한다. -- **Action & Tool Use**: - - API 호출, 웹 검색, 코드 실행 등 외부 환경과 상호작용할 수 있는 인터페이스를 통해 실제 세계에 변화를 일으킨다. -- **Memory Management**: - - 대화의 맥락(Short-term)과 과거 지식(Long-term)을 RAG나 체크포인트 형태로 유지하여 일관된 수행 능력을 보유한다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 현재의 에이전트는 '무한 루프'나 '환각'에 빠질 위험이 크다. 이를 극복하기 위해 에이전트가 자신의 결과물을 스스로 검토하는 'Self-Correction' 루프와, 인간이 중간에 개입하는 'Human-in-the-loop' 설계가 필수적이다. - -## 🔗 지식 연결 (Graph) -- Related: [[Multi-Agent-System-(다중-에이전트-시스템)]] , [[Agent-Communication-Protocol-(에이전트-통신-규약)]] -- Deployment: [[Deployment_Final_Gate]] diff --git a/AI/AI 코드 리뷰 및 보안 취약점 점검(DevSecOps).md b/AI/AI 코드 리뷰 및 보안 취약점 점검(DevSecOps).md deleted file mode 100644 index 2100bee7..00000000 --- a/AI/AI 코드 리뷰 및 보안 취약점 점검(DevSecOps).md +++ /dev/null @@ -1,40 +0,0 @@ ---- -id: P-REINFORCE-AUTO-4DB2F8 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - AI 코드 리뷰 및 보안 취약점 점검(DevSecOps)" ---- - -# [[AI 코드 리뷰 및 보안 취약점 점검(DevSecOps)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> AI 코드 리뷰 및 보안 취약점 점검(DevSecOps)은 소프트웨어 개발 수명 주기(SDLC)의 초기 단계에 AI 기반의 자동화된 정적 분석(SAST)과 인간의 수동 리뷰를 결합하여 코드의 품질과 보안을 선제적으로 확보하는 프로세스입니다 [1, 2]. 개발자는 IDE 내부나 CI/CD 파이프라인의 Pull Request(PR) 단계에서 실시간으로 버그, 로직 결함, 보안 취약점(예: 인젝션, 민감 정보 노출)을 식별하고 수정할 수 있습니다 [3-6]. 결과적으로 기계적이고 반복적인 코드 스타일 검사 및 패턴 기반 취약점 탐지는 AI에 위임하고, 인간은 아키텍처 결정이나 도메인 종속적인 비즈니스 로직을 검토하는 '하이브리드' 방식을 통해 개발 속도와 보안성의 균형을 맞춥니다 [2, 7, 8]. - -## 📖 구조화된 지식 (Synthesized Content) -* **하이브리드 코드 리뷰 모델의 부상** - 2025년 기준 가장 이상적이고 안전한 코드 리뷰 방식은 자동화 도구와 인간의 통찰력을 결합한 하이브리드 모델입니다 [2]. 자동화된 리뷰 도구는 수천 줄의 코드를 단 몇 분 만에 스캔하여 문법 오류, 알려진 보안 취약점 패턴, 코드 스타일 위반 등을 일관성 있게 찾아냅니다 [6, 9]. 하지만 이러한 도구들은 시스템의 의도나 비즈니스 로직을 이해하는 데 한계가 있습니다 [10]. 따라서 자동화 스캔을 1차 방어선으로 사용하여 일상적인 문제를 해결하고, 고위험 아키텍처, 인증 로직, 교차 서비스 통신 및 비즈니스 규칙 검증과 같은 복잡한 판단은 숙련된 개발자의 수동 리뷰를 통해 진행해야 합니다 [11-14]. - -* **AI 기반 정적 애플리케이션 보안 테스트(SAST)** - 전통적인 SAST 도구는 규칙과 패턴 매칭에 의존하여 높은 오탐률(False Positive)과 알림 피로도를 유발했습니다 [10, 15, 16]. 그러나 Snyk Code, Corgea, GitHub Advanced Security와 같은 최신 AI 네이티브 SAST 도구들은 머신러닝과 대규모 언어 모델(LLM)을 결합하여 코드의 문맥(Semantic)을 파악합니다 [17-20]. 이 도구들은 오염 분석(Taint analysis)과 도달 가능성(Reachability)을 분석해 파일 간 데이터를 추적하며 실제 악용 가능한 위협만을 효과적으로 필터링합니다 [19, 21, 22]. 또한 Copilot Autofix나 DeepCode AI Fix처럼 발견된 취약점에 대해 검증된 수정안(Remediation)을 PR 단계에서 자동으로 제안하여 리뷰 시간을 대폭 단축시킵니다 [23-25]. - -* **시프트 레프트(Shift-Left)와 파이프라인 자동화** - DevSecOps의 핵심은 소프트웨어 병합 및 배포 전에 보안 및 품질 문제를 원천 차단하는 시프트 레프트 전략입니다 [1, 26]. Husky와 lint-staged 등의 도구를 활용해 Git 사전 커밋(Pre-commit) 훅을 설정하면, 변경된 파일에 대해서만 ESLint(로직/품질)와 Prettier(포맷팅)를 강제 적용할 수 있습니다 [27-29]. 이후 CI/CD 파이프라인 내에 SAST 및 소프트웨어 구성 분석(SCA) 도구를 통합하여 임계치 이상의 치명적 취약점이 포함된 코드는 메인 브랜치로 병합되지 못하도록 '품질 게이트' 역할을 수행하게 합니다 [30, 31]. - -* **자동화의 한계 및 AI 거버넌스 정책** - 강력한 자동화 도구라 할지라도 맹신은 위험합니다. 연구에 따르면 SAST 및 자동화 도구는 실제 취약점의 약 22%를 감지하지 못하며 [32, 33], 개발자들이 자동화 시스템의 '녹색 체크마크'만 보고 코드를 제대로 이해하지 않은 채 통과시키는 '녹색 체크마크 증후군(Green Check Mark Syndrome)'과 같은 인지적 나태함을 유발할 수 있습니다 [34, 35]. 기업은 승인되지 않은 퍼블릭 AI 모델에 독점 소스 코드나 고객 데이터가 유출되지 않도록 명확한 AI 사용 정책(AUP)을 수립해야 합니다 [36-38]. 또한 AI가 생성하거나 수정한 코드라도 최종적으로는 반드시 인간 엔지니어의 엄격한 수동 리뷰를 거쳐 이해와 책임을 보장하는 'Human-in-the-Loop' 원칙을 준수해야 합니다 [38, 39]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[정적 애플리케이션 보안 테스트(SAST)]], [[시프트 레프트(Shift-Left)]], [[하이브리드 코드 리뷰]] -- **Projects/Contexts:** [[CI/CD 파이프라인 통합 및 Git 훅(Hooks)]] -- **Contradictions/Notes:** 자동화 도구를 적극적으로 옹호하는 입장에서는 AI 기반 코드 리뷰와 수정안 자동 생성 기능이 개발자의 업무를 크게 대체하고 생산성을 극대화한다고 주장하지만, 보안 전문가 및 실제 성능 벤치마크 결과(Augment Code 등)에 따르면 자동화 도구는 여전히 30~60%의 오탐률을 보이며 실제 취약점의 약 22%를 놓치는 근본적 사각지대가 존재하므로, 아키텍처 설계와 비즈니스 로직에는 기계가 아닌 인간의 수동 판단이 필수 불가결하다고 반박합니다. - ---- -*Last updated: 2026-04-18* -- Raw Source: [[00_Raw/2026-04-20/AI 코드 리뷰 및 보안 취약점 점검(DevSecOps).md]] ---- diff --git a/AI/AI 코드 리뷰.md b/AI/AI 코드 리뷰.md deleted file mode 100644 index 1418edb5..00000000 --- a/AI/AI 코드 리뷰.md +++ /dev/null @@ -1,33 +0,0 @@ ---- -id: P-REINFORCE-AUTO-76F9E4 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - AI 코드 리뷰" ---- - -# [[AI 코드 리뷰]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> AI 코드 리뷰는 인공지능 에이전트나 머신러닝(ML) 기반의 정적 분석 도구(SAST)를 활용하여 소스 코드의 결함, 보안 취약점, 스타일 위반 및 로직 오류를 식별하는 자동화 프로세스입니다 [1-3]. IDE, CI/CD 파이프라인, 풀 리퀘스트(PR) 등 개발 워크플로우에 통합되어 개발자에게 실시간에 가까운 피드백과 자동 수정(Auto-fix) 제안을 제공합니다 [2, 4-8]. 이를 통해 코드 리뷰의 대기 시간을 줄이고 일관된 품질 표준을 강제할 수 있지만, 아키텍처 의도나 비즈니스 로직의 문맥을 깊이 이해하는 데는 한계가 있어 인간 검토자와의 하이브리드 접근 방식이 필수적으로 요구됩니다 [5, 9-12]. - -## 📖 구조화된 지식 (Synthesized Content) -- **작동 방식 및 주요 기술**: 기존의 규칙 기반 정적 분석에 머신러닝(ML), 대규모 언어 모델(LLM) 등을 결합하여 코드의 문맥, 데이터 흐름(Data flow), 오염 추적(Taint analysis) 등을 시맨틱하게 분석합니다 [4, 13-18]. -- **주요 이점**: 대규모 코드베이스를 단 몇 초에서 몇 분 안에 스캔하여 보안 취약점과 버그를 조기에 발견합니다 [19, 20]. 시니어 검토자의 큐(Queue)에서 저위험군 코멘트를 제거하여 PR 검토 주기를 최대 40%까지 단축시키며, 결과적으로 인간 검토자가 아키텍처 설계와 비즈니스 로직에 집중할 수 있도록 돕습니다 [5, 11, 19]. -- **한계점 및 위험성**: AI는 코드의 전반적인 아키텍처 의도나 비즈니스 로직을 완벽히 이해하지 못하는 '문맥 맹점(Context Blindness)'을 지닙니다 [12, 21, 22]. 또한, 오탐지(False Positives)를 발생시키거나 환각(Hallucination)에 의한 잘못된 수정안을 제안할 위험이 존재하며, 검토자가 AI를 맹신하여 비판적 사고가 저하되는 '녹색 체크 표시 증후군(Green Check Mark Syndrome)'을 초래할 수 있습니다 [12, 23-25]. -- **하이브리드 리뷰 모델 및 거버넌스**: 2025년 이후의 현대 소프트웨어 개발에서는 AI 자동화 리뷰와 인간의 수동 리뷰를 결합한 '하이브리드(Hybrid) 리뷰'가 모범 사례로 꼽힙니다 [9-11, 26-28]. 일반적인 취약점 패턴이나 문법 등 기계적인 검증은 AI 도구에 맡기고, 도메인 특화 비즈니스 로직이나 교차 서비스 영향도 평가는 인간이 담당해야 합니다 [28, 29]. 아울러 지적 재산(IP) 유출 방지와 보안을 위해 "인간 개입(Human-in-the-Loop)"을 의무화하는 명확한 AI 사용 정책(Governance) 수립이 필수적입니다 [30-34]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[SAST]], [[풀 리퀘스트(Pull Request)]], [[DevSecOps]] -- **Projects/Contexts:** [[SonarQube]], [[Snyk Code]], [[GitHub Advanced Security]], [[Corgea]] -- **Contradictions/Notes:** AI 코드 리뷰 도구의 도입만으로는 배포 성능이나 품질이 보장되지 않는다는 점에 유의해야 합니다. 맹목적인 도구 도입과 높은 AI 사용률에도 불구하고 실제 PR 처리 시간이나 재작업 비율은 개선되지 않을 수 있으므로, 결과(DORA 지표 등)에 기반한 관리가 중요합니다 [35-37]. 또한 일부 AI 네이티브 도구들은 오탐률을 혁신적으로 줄였다고 주장하지만(예: Corgea 5% 미만, Veracode 1.1% 미만), 근본적으로 어떠한 도구도 오탐을 완벽히 제거할 수는 없으므로 인간의 검토와 검증 과정이 반드시 수반되어야 합니다 [38-40]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/AI 코드 리뷰.md]] ---- diff --git a/AI/AI와 기계에게 검열 맡기기_ - 정적 분석 툴 (ESLint Prettier)).md b/AI/AI와 기계에게 검열 맡기기_ - 정적 분석 툴 (ESLint Prettier)).md deleted file mode 100644 index 1b011d53..00000000 --- a/AI/AI와 기계에게 검열 맡기기_ - 정적 분석 툴 (ESLint Prettier)).md +++ /dev/null @@ -1,44 +0,0 @@ ---- -id: P-REINFORCE-AUTO-37563B -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - AI와 기계에게 검열 맡기기_ - 정적 분석 툴 (ESLint Prettier))" ---- - -# [[AI와 기계에게 검열 맡기기_ - 정적 분석 툴 (ESLint Prettier))]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 현대 소프트웨어 개발에서는 주관적이고 반복적인 코드 평가 작업을 ESLint, Prettier와 같은 결정론적 도구와 AI 기반 에이전트(기계)에게 위임하여 코드를 자동으로 '검열'하는 구조를 갖추고 있습니다 [1]. Linter인 ESLint는 추상 구문 트리(AST)를 분석해 문법적 오류와 잠재적 버그를 식별하며, Formatter인 Prettier는 줄 바꿈이나 들여쓰기 등 시각적 일관성을 강제합니다 [2]. 나아가 단순한 패턴 매칭을 넘어 LLM 기반의 AI 정적 분석 도구(SAST)를 도입함으로써 문맥을 이해하고 복잡한 취약점을 분석하는 '에이전트적 거버넌스'로 진화하고 있습니다 [3, 4]. - -## 📖 구조화된 지식 (Synthesized Content) -* **결정론적 거버넌스의 기반 (ESLint & Prettier)** - * **ESLint (결정론적 Linter):** 소스 코드를 추상 구문 트리(AST)로 변환해 순회하면서 사용되지 않는 변수, 섀도잉 현상 등 논리적 버그와 의심스러운 구조를 식별하고 팀의 모범 사례를 강제합니다 [2, 5, 6]. - * **Prettier (의견이 반영된 Formatter):** 코드의 로직에는 관여하지 않고 들여쓰기, 따옴표 일관성, 줄 바꿈 등 텍스트의 시각적 형태를 일관되게 재작성하여 코드 가독성을 높입니다 [2, 6, 7]. - * **규칙 충돌 및 통합:** ESLint에도 포맷팅 스타일 규칙이 포함되어 있어 Prettier와 충돌할 수 있습니다. 이를 방지하기 위해 `eslint-config-prettier`를 사용하여 충돌하는 ESLint 규칙을 비활성화하고, `eslint-plugin-prettier`를 통해 Prettier를 ESLint의 규칙처럼 동작시키는 방식이 권장됩니다 [8-11]. - -* **자동화 검열의 오케스트레이션 (Husky & lint-staged)** - * 이러한 검열 도구들은 `Husky`와 `lint-staged`를 활용해 Git의 'pre-commit' 단계에서 강제적으로 실행됩니다 [12-14]. 저장소 전체가 아닌 변경된 파일(staged files)에만 검열 에이전트를 실행시켜 검사 시간을 수 초 내로 단축하고, 품질 미달 코드가 저장소에 병합되는 것을 선제적으로 차단합니다 [13-15]. - -* **AI를 활용한 시맨틱 지능과 에이전트적 거버넌스** - * 전통적인 Linter는 파일 내 패턴 매칭에 그쳐 문맥을 파악하지 못하는 한계(Context-blind)가 있습니다 [3, 16]. 이를 극복하기 위해 Snyk Code, SonarQube 등 AI 기반 정적 분석(SAST) 도구가 도입되고 있습니다 [3, 17, 18]. - * 수백만 개의 커밋을 학습한 AI 모델은 오염 분석(Taint Analysis) 및 도달 가능성 분석을 수행하여 파일 경계를 넘나드는 복잡한 취약점을 파악하고 안전한 코드 수정을 제안합니다 [19, 20]. - -* **기계 검열의 심리사회적 영향 및 한계** - * 기계에 코드 검열을 맡기면 사소한 스타일 논쟁을 없애고 개발자의 인지 부하를 줄여 비즈니스 로직 해결에 몰입(Flow)할 수 있게 돕습니다 [21, 22]. - * 하지만 자동화에 과도하게 의존할 경우, 개발자의 비판적 사고 근육이 퇴화하고 자동화 도구의 검사만 통과하면 된다고 여기는 '녹색 체크마크 증후군(Green Check Mark Syndrome)'을 유발할 수 있습니다 [23, 24]. 또한 AI 도구 역시 전체 취약점의 약 22%를 놓치는 사각지대가 존재하므로, 아키텍처 설계와 도메인 비즈니스 로직 등 고위험 검토에는 여전히 인간의 판단(Human-in-the-loop)이 필수적입니다 [24-26]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[SAST (정적 애플리케이션 보안 테스트)]], [[AST (추상 구문 트리)]], [[Husky & lint-staged]] -- **Projects/Contexts:** [[Git Pre-commit 훅을 활용한 개발 워크플로우 자동화]], [[AI 코드 리뷰 및 보안 취약점 점검(DevSecOps)]] -- **Contradictions/Notes:** 소스는 기계 주도의 검열이 개발 생산성과 코드 품질을 높인다고 긍정적으로 평가하면서도, 동시에 AI 모델이 실제 취약점의 일부를 놓치고 개발자의 비판적 사고를 약화시켜 표면적 문제 해결에 집착하는 '녹색 체크마크 증후군'을 초래할 수 있다는 역설적 한계를 분명히 지적합니다 [23, 24, 26]. - ---- -*Last updated: 2026-04-18* -- Raw Source: [[00_Raw/2026-04-20/AI와 기계에게 검열 맡기기_ - 정적 분석 툴 (ESLint & Prettier)).md]] ---- diff --git a/AI/API 응답 모델링 및 상태 머신(State Machine) 설계.md b/AI/API 응답 모델링 및 상태 머신(State Machine) 설계.md deleted file mode 100644 index a8a14092..00000000 --- a/AI/API 응답 모델링 및 상태 머신(State Machine) 설계.md +++ /dev/null @@ -1,40 +0,0 @@ ---- -id: P-REINFORCE-AUTO-9FD5CF -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - API 응답 모델링 및 상태 머신(State Machine) 설계" ---- - -# [[API 응답 모델링 및 상태 머신(State Machine) 설계]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> TypeScript에서 API 응답과 상태 머신을 설계할 때는 식별 가능한 유니온(Discriminated Unions) 패턴이 핵심적으로 활용된다 [1, 2]. 이 패턴은 공통 판별자(Discriminant) 속성을 통해 데이터의 다양한 상태를 구분하며, 유효하지 않은 상태가 코드에 표현되는 것을 원천적으로 차단한다 [1, 3, 4]. 결과적으로 네트워크 요청의 다양한 결과나 복잡한 UI 상태 전이를 컴파일 단계에서 안전하게 모델링하고 관리할 수 있도록 보장한다 [2, 5, 6]. - -## 📖 구조화된 지식 (Synthesized Content) -- **상태 머신(State Machine) 패턴 모델링**: - 애플리케이션 내의 복잡한 상태(예: `Idle`, `Fetching`, `Success`, `Failure`, `Retry` 등)는 식별 가능한 유니온을 통해 상태 머신으로 완벽하게 모델링할 수 있다 [2]. 이 방식은 폼 제출 워크플로우(예: `validating`, `submitting`, `success`, `error`)나 비동기 작업 패턴을 명확히 정의하는 데 뛰어나며, 호환되지 않는 잘못된 상태들의 조합이 발생하는 것을 원천적으로 불가능(Impossible)하게 만든다 [3, 5]. - -- **API 응답 데이터 구조화**: - API 응답은 성공, 실패, 대기 등 여러 형태를 취할 수 있으므로 식별 가능한 유니온을 통해 구조화하는 것이 효과적이다 [2]. 예를 들어, `NetworkState`라는 유니온 타입 내에 `NetworkLoadingState`, `NetworkFailedState`, `NetworkSuccessState`를 정의하고 `state`라는 리터럴 필드를 공유 판별자로 설계할 수 있다 [6]. 컴파일러는 이 판별자를 바탕으로 `code`나 `response`와 같은 고유 페이로드(Payload) 속성에 안전하게 접근하도록 타입을 좁혀준다(Narrowing) [6, 7]. - -- **완전성 검사(Exhaustiveness Checking) 적용**: - 상태 머신과 API 응답을 분기 처리할 때 `switch` 문과 `never` 타입을 활용하면, 개발자가 실수로 누락한 상태나 새롭게 추가된 API 응답 형태가 있을 경우 TypeScript 컴파일러가 에러를 발생시킨다 [3, 7-9]. 이는 모든 분기 및 상태가 빠짐없이 처리되도록 강제하는 강력한 안전장치가 되어 런타임 버그를 방지한다 [10-12]. - -- **외부 데이터 런타임 검증과의 결합**: - 외부 API에서 전달받은 응답은 TypeScript의 컴파일 타임 시스템만으로는 런타임에서의 완벽한 안전성을 보장할 수 없다 [12, 13]. 따라서 Zod와 같은 런타임 검증 라이브러리와 식별 가능한 유니온을 결합하여 사용하면, 예기치 않은 형태의 API 데이터로 인해 상태 머신이 망가지는 것을 방어할 수 있다 [12, 13]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[식별 가능한 유니온(Discriminated Unions)]], [[완전성 검사(Exhaustiveness Checking)]], [[타입 좁히기(Type Narrowing)]] -- **Projects/Contexts:** [[비동기 데이터 패칭(Async Data Fetching)]], [[상태 머신 기반 UI 폼 및 라우터 관리]] -- **Contradictions/Notes:** API 응답 데이터를 변환할 때 타입 캐스팅(`as`)을 사용하면 잉여 속성이 존재하거나 형태가 잘못되어도 컴파일러가 이를 조용히 허용하여 안전성이 떨어질 수 있다. 따라서 엄격한 타입 계약을 강제하기 위해서는 `as` 대신 `satisfies` 키워드를 활용하는 것이 권장된다 [14, 15]. - ---- -*Last updated: 2026-04-18* -- Raw Source: [[00_Raw/2026-04-20/API 응답 모델링 및 상태 머신(State Machine) 설계.md]] ---- diff --git a/AI/A_B-Testing-Platforms.md b/AI/A_B-Testing-Platforms.md deleted file mode 100644 index 5a80c519..00000000 --- a/AI/A_B-Testing-Platforms.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-ABTEST -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.96 -tags: [A/B Testing, Statistics, Experiment, Growth Hacking] -last_reinforced: 2026-04-20 ---- - -# [[A_B-Testing-Platforms]] (A/B 테스트 및 실험 설계) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "내 생각엔 이게 좋다"는 주관성을 버리고, "사용자는 실제로 이렇게 반응한다"를 통계적으로 증명하는 마케팅과 엔지니어링의 결합체다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Hypothesis Testing (가설 검증)**: - - "버튼 색상을 파란색에서 빨간색으로 바꾸면 클릭률(CTR)이 10% 오를 것이다"라는 명확한 가설을 세우고 실험군(A)과 대조군(B)으로 트래픽을 분할한다. -- **Statistical Significance (p-value)**: - - 실험 결과가 '우연'에 의한 것인지 아니면 '의도된 변화'인지 판별한다. 보통 p-value < 0.05를 기준으로 유의미함을 결정한다. -- **Multi-armed Bandit (MAB)**: - - 실험 중간에 성적이 좋은 쪽에 트래픽을 실시간으로 더 배분하여 '실험 비용'을 최소화하고 '수익'을 극대화하는 고도화된 타겟팅 알고리즘. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 한 번에 너무 많은 변수를 바꾸는 것은 금물이다(Simpsons Paradox). 오직 하나의 변인만 통제하여 결과의 인과관계를 명확히 해야 한다. 또한 장기적 영향(Late Arrival Bias)을 고려하여 최소 일주일 이상의 실험 기간을 확보하라. - -## 🔗 지식 연결 (Graph) -- Related: [[Behavioral-Economics]] , [[Nudge Theory]] -- Implementation: [[React_State_Management_Strategy]] diff --git a/AI/Accessibility-Compliance-Audit.md b/AI/Accessibility-Compliance-Audit.md deleted file mode 100644 index 1e3588b7..00000000 --- a/AI/Accessibility-Compliance-Audit.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-ACC-AUDIT -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.98 -tags: [Accessibility, Compliance, Audit, AI, Web] -last_reinforced: 2026-04-20 ---- - -# [[Accessibility-Compliance-Audit]] (접근성 준수 감사) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "모두를 위한 웹은 기술이 아니라 권리다." 시각 장애인이나 고령자 등 모든 사용자가 웹 사이트의 정보를 평등하게 얻고 있는지 기술적으로 검증하는 프로세스다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Automated Testing**: - - AI가 DOM 트리와 ARIA 속성을 분석하여 텍스트 대안(Alt text) 누락, 충분하지 않은 색상 대비(Color Contrast) 등을 자동으로 적발한다. -- **Manual Heuristic Evaluation**: - - 자동화 도구가 잡지 못하는 맥락적 접근성(예: 스크린 리더의 읽기 순서가 논리적인가?)을 전문가가 직접 점검한다. -- **Reporting & Remediation**: - - 감사 결과를 리포트화하고, 개발팀에 즉각적인 수정 가이드를 제공하여 법적 리스크(WCAG 준수 등)를 방어한다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 접근성 감사는 한 번의 '합격'으로 끝나지 않는다. 코드가 업데이트될 때마다 접근성 점수가 소리 없이 무너질 수 있으므로, CI/CD 파이프라인에 접근성 자동 검사를 통합하는 것이 핵심이다. - -## 🔗 지식 연결 (Graph) -- Related: [[UI-UX-Foundations]] , [[Automated-Security-Audits]] -- Standard: [[Web-Content-Accessibility-Guidelines-WCAG]] diff --git a/AI/Adaptive Compute (적응형 계산량 조절).md b/AI/Adaptive Compute (적응형 계산량 조절).md deleted file mode 100644 index d719c080..00000000 --- a/AI/Adaptive Compute (적응형 계산량 조절).md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-ADAPT-COMP -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.99 -tags: [Adaptive Compute, AI, Efficiency, Inference, Optimization] -last_reinforced: 2026-04-20 ---- - -# [[Adaptive-Compute]] (적응형 계산량 조절) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "쉬운 문제는 빨리 풀고, 어려운 문제는 더 고민하라." 데이터의 복잡도에 따라 신경망의 층(Layer)이나 파라미터를 유동적으로 사용하여 연산 효율을 극대화하는 지능적 최적화다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Early Exit Strategies**: - - 하위 레이어에서 이미 결과가 확실할 경우, 상위 레이어 연산을 건너뛰고 정답을 출력하여 응답 속도를 높인다. -- **Dynamic Gating**: - - 특정 입력값에 필요한 '전문가 신경망'만 선별적으로 활성화하여 전체 연산량을 줄이는 방식(Mixture of Experts와 궤를 같이함). -- **Inference Cost Reduction**: - - 불필요한 연산을 줄임으로써 클라우드 API 호출 비용이나 온디바이스 AI의 배터리 소모를 획기적으로 절감한다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 계산량을 줄이는 과정에서 아주 드물게 발생하는 '어려운 예외 상황(Edge case)'에서 성능이 소폭 하락할 수 있다. 따라서 성능 손실과 비용 절감 사이의 'Pareto Optimal' 지점을 찾는 것이 공학적 핵심이다. - -## 🔗 지식 연결 (Graph) -- Related: [[Dense-vs-Sparse-Neural-Networks]] , [[Deep-Learning-Architecture-Patterns]] -- Foundation: [[Computational-Efficiency]] diff --git a/AI/Advanced-Interface-Design.md b/AI/Advanced-Interface-Design.md deleted file mode 100644 index 8cd452f6..00000000 --- a/AI/Advanced-Interface-Design.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-ADV-IF-DESIGN -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.97 -tags: [Interface Design, UX, Human-Computer Interaction, AI] -last_reinforced: 2026-04-20 ---- - -# [[Advanced-Interface-Design]] (고급 인터페이스 설계) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "보이지 않는 인터페이스가 가장 훌륭한 인터페이스다." 사용자의 의도를 예측하고 대화를 최소화하면서도 완벽한 경험을 선사하는 고도의 심미적/공학적 설계 체계다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Predictive Interaction**: - - 과거 행동 데이터를 기반으로 사용자가 다음에 무엇을 클릭할지 예측하여 미리 로딩하거나 인터페이스를 배치한다. -- **Micro-animations & Feedback**: - - 미묘한 움직임으로 시스템의 상태를 알리고, 사용자의 행동에 즉각적이고 부드러운 심리적 만족감을 제공한다. -- **Multi-modal Input**: - - 터치, 음성, 시선, 제스처 등 다양한 입력 수단을 통합하여 가장 자연스러운 맥락에서 시스템과 소통하게 한다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 인터페이스가 너무 '지능적'이면 사용자가 통제권을 상실했다고 느낄 수 있다(Black box effect). 따라서 시스템이 왜 이런 제안을 하는지 투명하게 보여주는 '설명 가능한 인터페이스'의 조화가 필요하다. - -## 🔗 지식 연결 (Graph) -- Related: [[UI-UX-Foundations]] , [[Psychology_Cognitive_Science]] -- Context: [[Modern_Environment_Ecosystem]] diff --git a/AI/Adversarial Code Stylometry.md b/AI/Adversarial Code Stylometry.md deleted file mode 100644 index eabe6319..00000000 --- a/AI/Adversarial Code Stylometry.md +++ /dev/null @@ -1,34 +0,0 @@ ---- -id: P-REINFORCE-AUTO-36585B -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Adversarial Code Stylometry" ---- - -# [[Adversarial Code Stylometry]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> Adversarial Code Stylometry(적대적 코드 문체론)는 프로그래머가 코드 문체 분석(Code Stylometry) 시스템의 추적을 우회하여 자신의 익명성을 보호하기 위해 의도적으로 코드를 변형하는 기법입니다 [1-3]. 주로 자신의 고유한 코딩 스타일을 숨기는 난독화(obfuscation)와 다른 프로그래머의 스타일을 흉내 내는 모방(mimicry) 기술을 사용합니다 [2-4]. 이는 감시와 검열에 맞서 프라이버시 향상 도구를 개발하는 오픈소스 기여자들이 신원 노출로 인한 탄압을 피하기 위한 핵심적인 방어 수단으로 연구되고 있습니다 [5-7]. - -## 📖 구조화된 지식 (Synthesized Content) -* **배경 및 필요성:** 인터넷 검열과 감시가 강화됨에 따라 프라이버시 향상 기술이나 검열 우회 도구를 개발하는 오픈소스 개발자들이 국가나 기관의 표적이 되는 사례가 늘고 있습니다 [5, 6, 8]. 코드 작성자의 코딩 스타일을 분석해 신원을 파악하는 소스 코드 문체론(Source Code Stylometry)은 이러한 개발자들에게 심각한 위협이 되며, 이에 대항하여 익명성을 유지할 수 있는 적대적 방어 기법이 필요해졌습니다 [7]. -* **공격 기법 (난독화 및 모방):** 적대적 코드 문체론은 크게 두 가지 접근법을 취합니다. 첫째는 자신의 식별 가능한 코딩 스타일을 모호하게 만드는 '난독화(obfuscation / masking)'이고, 둘째는 다른 특정 작가로 기계 학습 모델을 속이기 위해 의도적으로 대상의 스타일을 흉내 내는 '모방(mimicry / forgery)' 공격입니다 [2-4, 9]. -* **기존 문체 분석 시스템의 취약성:** 최첨단 소스 코드 문체 분석 시스템조차도 적대적 수정에 취약한 것으로 나타났습니다 [3, 9]. 변수 이름, 매크로, 리터럴, API 호출 등 국소적인 정보(local changes)나 표면적인 형식 변경만으로도 분류기(classifier)를 속여 다른 사람으로 오분류하게 만드는 것이 가능합니다 [10, 11]. -* **방어 지원 도구 (StyleCounsel):** 개발자가 다른 이의 스타일을 모방하고 자신의 스타일을 난독화할 수 있도록 돕는 `StyleCounsel`과 같은 시스템이 개발되었습니다 [2, 12]. 이 도구는 랜덤 포레스트(Random Forest)와 같은 기계 학습 모델의 의사 결정 트리를 분석하여, 오분류를 유도할 수 있는 구체적이고 최소한의 코드 변경 사항(예: 특정 구문의 사용 빈도 조절 등)을 사용자에게 추천합니다 [2, 13, 14]. -* **코드 포매팅을 통한 프라이버시 보호막:** Prettier나 Black 등과 같은 결정론적 코드 포매터(Formatter) 및 최소화(Minification) 도구를 적용하는 것만으로도 작성자 인식 정확도를 크게 떨어뜨릴 수 있습니다 [15, 16]. 연구에 따르면 코드 포매팅 적용 시 식별 정확도가 68%에서 53%로 하락하며, 최소화를 거치면 50%까지 떨어져 코드 문체론 분석에 대한 실질적인 프라이버시 보호막(Privacy shield) 역할을 수행합니다 [17-19]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[Code Stylometry]], [[Obfuscation]], [[Mimicry Attack]], [[StyleCounsel]] -- **Projects/Contexts:** [[오픈소스 기여자 익명성 보장]], [[검열 우회 및 프라이버시 보호 도구 개발]] -- **Contradictions/Notes:** Caliskan-Islam 등의 기존 연구에서는 'Stunnix'와 같은 상용 난독화 도구를 사용해도 분류기의 식별 정확도가 거의 떨어지지 않는다고 보고했습니다. 그러나 Simko 등의 적대적 연구에서는 실험 참가자들이 표면적인 수준의 변수명 교체나 국소적인 구조 변경 등 간단한 조작을 가하는 것만으로도 기계 학습 모델을 성공적으로 속일 수 있음을 입증하며 기존 분류 시스템의 취약성과 한계를 지적했습니다 [11, 20]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/Adversarial Code Stylometry.md]] ---- diff --git a/AI/Algorithmic-Biology.md b/AI/Algorithmic-Biology.md deleted file mode 100644 index 2bbefd59..00000000 --- a/AI/Algorithmic-Biology.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-BIO -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.99 -tags: [Algorithmic Biology, AI, Bioinformatics, Simulation] -last_reinforced: 2026-04-20 ---- - -# [[Algorithmic-Biology]] (알고리즘 생물학) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "생명은 우주의 가장 복잡한 알고리즘이다." 유전자 서열 분석부터 단백질 구조 예측(AlphaFold)까지, 생명 현상을 계산 가능한 모델로 해석하는 초융합 분야다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Sequence Alignment**: - - 서로 다른 생물 종의 DNA/RNA 서열을 비교하여 진화적 관계를 밝히거나 질병 원인을 찾는 알고리즘. -- **Protein Folding Simulation**: - - AI를 이용해 단백질이 어떻게 3차원 구조로 접히는지 예측하여 신약 개발의 시간을 수십 년 단축한다. -- **Cellular Automata**: - - 단순한 규칙이 어떻게 복잡한 생명 패턴을 만들어내는지 시뮬레이션하는 수리 생물학적 접근. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 생물학적 데이터는 노이즈가 매우 심하고 복잡하다. 따라서 단순한 패턴 매칭을 넘어, 생체 내의 물리 법칙과 화학적 성질을 AI 모델에 주입하는 'Physics-informed Neural Networks'가 필수적이다. - -## 🔗 지식 연결 (Graph) -- Related: [[Bioinformatics]] , [[Computational-Neuroscience]] -- Foundation: [[Computational Theory & Math/Information Theory]] diff --git a/AI/Algorithmic-Game-Theory.md b/AI/Algorithmic-Game-Theory.md deleted file mode 100644 index db634582..00000000 --- a/AI/Algorithmic-Game-Theory.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-GAME-THEORY -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.99 -tags: [Algorithmic Game Theory, Mechanism Design, Nash Equilibrium, AI] -last_reinforced: 2026-04-20 ---- - -# [[Algorithmic-Game-Theory]] (알고리즘 게임 이론) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "이기적인 경제 주체들을 위한 최적의 규칙." 게임 이론의 복잡한 균형점(Nash Equilibrium)을 컴퓨터 알고리즘으로 어떻게 빠르게 찾아낼 것인가를 다루는 학문이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Computational Complexity of Equilibria**: - - 나쉬 균형을 찾는 것이 얼마나 어려운지(PPAD-complete) 분석하고, 이를 근사적으로 해결하는 알고리즘을 개발한다. -- **Mechanism Design**: - - 참여자들이 자신의 리소스를 솔직하게 공개하는 것이 스스로에게도 이득이 되도록 시스템(경매, 매칭 등)을 설계한다. -- **Price of Anarchy**: - - 개별 주체의 이기적 행동으로 인해 사회 전체의 효율성이 얼마나 감소하는지 정량화한다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 전통적인 게임 이론은 주체들이 '완전하게 합리적'이라고 가정하지만, 현실의 AI나 인간은 '제한적 합리성'을 가진다. 따라서 최근에는 강화학습을 통해 실시간으로 변하는 전략 공간에 대응하는 연구가 주류다. - -## 🔗 지식 연결 (Graph) -- Related: [[Nash-Equilibrium]] , [[Mechanism-Design]] -- Foundation: [[Bounded-Rationality]] diff --git a/AI/Ambient-Declarations.md b/AI/Ambient-Declarations.md deleted file mode 100644 index 3af39c71..00000000 --- a/AI/Ambient-Declarations.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-TS-AMBIENT -category: "[[10_Wiki/💡 Topics/Design & Experience]]" -confidence_score: 0.98 -tags: [TypeScript, Ambient Declarations, dts, Coding Standards] -last_reinforced: 2026-04-20 ---- - -# [[Ambient-Declarations]] (앰비언트 선언) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "존재하지만 실체는 없는 것들에 대한 증명." 타입스크립트 컴파일러에게 "이 변수나 함수는 외부에 이미 있으니 타입만 믿고 통과시켜라"라고 알려주는 `declare` 키워드의 본질이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **declare keyword**: - - 실제 컴파일된 JS 파일에는 포함되지 않지만, 타입 전용 공간에서 전역 변수나 라이브러리의 구조를 선언할 때 사용한다. -- **.d.ts files**: - - 앰비언트 선언들이 모여 있는 파일. 프로젝트 전체에 걸쳐 전역적인 타입 정보를 제공하는 '타입 명세서' 역할을 한다. -- **External Library Integration**: - - 타입 정보가 없는 레거시 JS 라이브러리를 타입스크립트 프로젝트에서 에러 없이 사용하기 위한 필수 관문이다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 무분별한 앰비언트 선언은 전역 네임스페이스를 오염시킨다. 현대적 가이드라인은 가능하면 `Module Augmentation`을 사용하거나 `@types` 패키지를 통해 엄격하게 관리하는 것을 권장한다. - -## 🔗 지식 연결 (Graph) -- Related: [[Declaration-Files]] , [[Module-Augmentation]] -- Standard: [[Branded-Types-for-Nominal-Typing]] diff --git a/AI/Amdahls Law (암달의 법칙).md b/AI/Amdahls Law (암달의 법칙).md deleted file mode 100644 index e8b345e6..00000000 --- a/AI/Amdahls Law (암달의 법칙).md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-CS-AMDAHL -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 1.0 -tags: [Amdahls Law, Parallel Computing, Latency, Computer Architecture] -last_reinforced: 2026-04-20 ---- - -# [[Amdahls-Law-(암달의-법칙)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "쇠사슬의 강도는 가장 약한 연결 고리에 의해 결정된다." 프로그램의 일부분만 병렬화했을 때 얻을 수 있는 이론적인 최대 성능 향상폭(Speedup)은 변하지 않는 '순차적 부분'에 의해 제한된다는 냉혹한 법칙이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Theoretical Speedup**: - - 프로그램의 90%를 병렬화하더라도, 나머지 10%가 순차적으로 실행되어야 한다면 아무리 많은 코어(Processor)를 투입해도 속도는 10배 이상 빨라질 수 없다. -- **Diminishing Returns**: - - 프로세서 개수가 늘어날수록 성능 향상률은 급격히 둔화되며, 특정 지점 이후에는 통신 오버헤드로 인해 오히려 성능이 떨어질 수도 있다. -- **Optimization Strategy**: - - 전체 성능을 높이려면 병렬화 가능한 부분을 늘리기보다, '병렬화 불가능한 순차적 구간'을 최대한 짧게 만드는 데 집중해야 한다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 암달의 법칙은 데이터 크기가 고정된 상황을 가정한다. 데이터 크기 자체가 늘어날 때는 병렬화 효율이 더 좋아진다는 '구스타프슨의 법칙(Gustafson's Law)'이 보완적인 시각을 제공한다. - -## 🔗 지식 연결 (Graph) -- Related: [[Distributed-Systems-Engineering]] , [[Complexity-Theory]] -- Foundation: [[Computational Theory & Math/Information Theory]] diff --git a/AI/Artificial-Intelligence-in-Games.md b/AI/Artificial-Intelligence-in-Games.md deleted file mode 100644 index f9e5cc1b..00000000 --- a/AI/Artificial-Intelligence-in-Games.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-GAMES -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.98 -tags: [Game AI, Pathfinding, FSM, Behavior Tree, Reinforcement Learning] -last_reinforced: 2026-04-20 ---- - -# [[Artificial-Intelligence-in-Games]] (게임 속의 인공지능) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "플레이어의 즐거움을 위한 적당한 지능적 패배." 플레이어에게 도전과 몰입감을 주기 위해 설계된 NPC 제어 기술이자, 최근에는 환경 생성(PCG)까지 확장된 게임 디자인의 파트너다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Decision Making (FSM/BT)**: - - 유한 상태 기계(FSM)나 행동 트리(Behavior Tree)를 통해 상황에 맞는 NPC의 행동 로직을 계층적으로 설계한다. -- **Dynamic Difficulty Adjustment (DDA)**: - - 실시간으로 플레이어의 실력을 파악하여 난이도를 조절, '몰입(Flow)' 상태를 유지하게 하는 기술. -- **Emergent Behavior**: - - 고정된 스크립트가 아니라, 단순한 규칙들의 상호작용을 통해 개발자도 예상치 못한 흥미로운 상황을 만들어내는 기법. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 너무 똑똑한 AI는 게임의 재미를 망친다(절대 지지 않는 AI는 독재자와 같다). 따라서 게임 AI의 핵심은 '완벽한 승리'가 아니라 '설득력 있는 지능적 행동'을 보여주는 것이다. - -## 🔗 지식 연결 (Graph) -- Related: [[Agency-in-Game-Design]] , [[Reinforcement-Learning]] -- Context: [[Immersive-Sim-Genre]] diff --git a/AI/Artificial-Intelligence.md b/AI/Artificial-Intelligence.md deleted file mode 100644 index ffd18b90..00000000 --- a/AI/Artificial-Intelligence.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-GENERAL -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.99 -tags: [Artificial Intelligence, Machine Learning, Deep Learning, Scaling Laws] -last_reinforced: 2026-04-20 ---- - -# [[Artificial-Intelligence]] (인공지능) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "기계의 사고가 아니라, 데이터의 압축과 예측이다." 인간의 지능적 행동을 흉내 내는 소프트웨어 체계를 넘어, 데이터 속에 숨겨진 고차원적 패턴을 찾아내어 미래를 통계적으로 추론하는 기술이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Weak AI vs Strong AI**: - - 바둑이나 번역처럼 특정 작업만 수행하는 좁은 지능(ANI)과, 인간처럼 모든 영역에서 사고할 수 있는 광범위한 지능(AGI)의 구분. -- **Information Processing**: - - 입력을 출력으로 매핑하는 거대한 수학 함수. 최근에는 '데이터(Data), 연산량(Compute), 알고리즘(Algorithm)'이라는 3요소의 폭발적 성장이 성패를 가른다. -- **Societal Impact**: - - 노동의 자동화를 넘어, 인간의 창의 성과 의사결정 방식 자체를 재정의하는 문명적 도구. - -## ⚠️ 모순 및 업데이트 (RL Update) -- AI는 '이해'하는 것이 아니라 '확률적 생성'을 하는 것이다. 이 차이를 간과할 때 환각(Hallucination) 문제가 발생하며, 이를 극복하기 위해 심볼릭 로직과 딥러닝을 결합하는 'Neuro-symbolic AI'가 대안으로 떠오르고 있다. - -## 🔗 지식 연결 (Graph) -- Related: [[Deep-Learning-Architecture-Patterns]] , [[AI-Ethics]] -- Foundation: [[Computational Thinking]] diff --git a/AI/Autism Spectrum Disorder (ASD) Intervention.md b/AI/Autism Spectrum Disorder (ASD) Intervention.md deleted file mode 100644 index 0ef3060b..00000000 --- a/AI/Autism Spectrum Disorder (ASD) Intervention.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-ASD -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.96 -tags: [ASD, Autism, AI Intervention, Healthcare, Therapy] -last_reinforced: 2026-04-20 ---- - -# [[Autism-Spectrum-Disorder-(ASD)-Intervention]] (ASD를 위한 기술적 개입) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "사회적 장벽을 허무는 디지털 동반자." 자폐 스펙트럼 장애(ASD)를 가진 이들이 겪는 의사소통과 감정 인식의 어려움을 AI 기술을 통해 보조하고 교육하는 인도적 기술이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Emotion Recognition Training**: - - 사람의 표정을 분석하여 감정을 텍스트나 소리로 알려주는 안경(Smart glass)이나 앱을 통해 사회적 상호작용을 돕는다. -- **Social Scenarios Simulation**: - - VR(가상 현실)과 AI를 결합하여 안전한 환경에서 사회적 상황을 반복 연습하게 함으로써 실제 상황에서의 불안감을 낮춘다. -- **Personalized Learning Robots**: - - 사람과의 접촉을 부담스러워할 수 있는 환자를 위해, 감정이 일관되고 인내심이 강한 교육용 로봇을 통해 기초 교육을 수행한다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 기술은 보조적 수단일 뿐, 인간 전문가나 가족의 사랑과 지지를 대체할 수 없다. 기술 과의존으로 인해 현실 세계와의 접촉이 더 줄어들지 않도록 인간 지향적 설계(Human-centered design)가 매우 중요하다. - -## 🔗 지식 연결 (Graph) -- Related: [[Accessibility-Compliance-Audit]] , [[Psychology_Cognitive_Science]] -- Ethics: [[AI-Ethics]] diff --git a/AI/Automated-Game-Testing.md b/AI/Automated-Game-Testing.md deleted file mode 100644 index cc03b3f8..00000000 --- a/AI/Automated-Game-Testing.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-AUTOTEST -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.97 -tags: [Automated Testing, Game QA, AI Testing, Bot Testing] -last_reinforced: 2026-04-20 ---- - -# [[Automated-Game-Testing]] (지능형 게임 테스트 자동화) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> QA는 단순히 버그를 찾는 행위를 넘어, AI 에이전트가 게이머처럼 플레이하게 함으로써 게임의 '밸런스'와 '재미의 영역'까지 검증하는 기술이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Bot-driven Testing**: - - 단순 매크로가 아닌, 강화학습된 AI 봇을 투입하여 맵의 갈 수 없는 곳(Collision Error)을 찾거나 무한 루프에 빠지는 구간을 전수 조사한다. -- **Performance Profiling Automation**: - - 대규모 전투나 복잡한 지형에서 프레임드랍(FPS Drop)이 발생하는 구간을 자동 감지하고, 해당 시점의 메모리 스택과 렌더링 부하를 기록하여 개발팀에 보고한다. -- **Regression Guard**: - - 기능 추가 시 기존의 퀘스트 라인이나 밸런스가 무너지지 않았는지, 자동화된 시나리오 테스트를 통해 24시간 감시 체계를 유지한다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 자동화 봇은 효율적이지만 '인간의 감정'을 느끼지 못한다. 버그는 없으나 재미가 없는 구역(Boring Zones)을 찾아내는 것은 여전히 인간 QA의 영역이며, AI는 이를 보조하는 증폭기로 사용되어야 한다. - -## 🔗 지식 연결 (Graph) -- Related: [[Software Reliability]] , [[System_Debugging_Protocol]] -- Foundation: [[Reinforcement Learning]] diff --git a/AI/Automated-Map-Generation.md b/AI/Automated-Map-Generation.md deleted file mode 100644 index 19852240..00000000 --- a/AI/Automated-Map-Generation.md +++ /dev/null @@ -1,28 +0,0 @@ ---- -id: P-REINFORCE-AI-GENMAP -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.99 -tags: [PCG, Map Generation, Algorithm, Noise Nature] -last_reinforced: 2026-04-20 ---- - -# [[Automated-Map-Generation]] (절차적 맵 생성 PCG) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 무한한 우주는 수학 공식(Seed) 하나에서 탄생한다. 절차적 생성(PCG)은 개발자의 노동력을 '규칙의 창조'로 전이시켜 콘텐츠의 무한 확장을 가능케 한다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Perlin Noise & Simplex Noise**: - - 자연스러운 지형(산, 계곡, 해안선)을 만들기 위한 수학적 노이즈 알고리즘. 연속성을 가진 난수를 통해 자연의 불규칙성을 모사한다. -- **Constraint-based Generation (제약 기반 생성)**: - - 단순히 무작위로 만드는 것이 아니라, "마을은 물 근처에 있어야 한다", "보스 방은 입구에서 가장 멀어야 한다"는 비즈니스 로직(제약 조건)을 알고리즘에 주입한다. -- **Dungeon Generation (BSP, WFC)**: - - **BSP (Binary Space Partitioning)**: 공간을 이진 분할하여 방과 복도를 배치하는 정석적인 방식. - - **WFC (Wave Function Collapse)**: 인접한 타일 간의 관계성을 기반으로 복잡한 구조를 확률적으로 붕괴시켜 완성하는 최신 알고리즘. - -## ⚠️ 모순 및 업데이트 (RL Update) -- PCG는 자칫 '반복적이고 지루한(Samey)' 느낌을 줄 수 있다. 이를 방지하기 위해 핵심 랜드마크는 수동 제작(Manual Polish)하고, 그 사이의 연결을 PCG가 담당하는 하이브리드 방식이 선호된다. - -## 🔗 지식 연결 (Graph) -- Related: [[Systemic_Simulation_Principles]] , [[Art_Direction_Governance]] -- Foundation: [[Information Theory]] diff --git a/AI/Automated-Reasoning.md b/AI/Automated-Reasoning.md deleted file mode 100644 index 48fa0f6b..00000000 --- a/AI/Automated-Reasoning.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-REASON -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.95 -tags: [Automated Reasoning, Logic, Inference, Knowledge Graph] -last_reinforced: 2026-04-20 ---- - -# [[Automated-Reasoning]] (자동 추론) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 단순한 '확률적 답변'을 넘어, 수학과 논리의 규칙에 따라 결론을 도출하는 기계의 사고방식이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Symbolic AI (기호론적 AI)**: - - 데이터를 처리하는 신경망과 달리, 기호와 논리 법칙(If-Then)을 사용하여 참과 거짓을 판별하고 새로운 명제를 이끌어낸다. -- **Inference Engine (추론 엔진)**: - - 지식 베이스(Knowledge Base)에 저장된 사실들을 바탕으로 사용자의 질문에 대한 답을 찾아가는 핵심 모듈. 순방향(Forward) 및 역방향(Backward) 추론 기법이 존재한다. -- **SAT Solvers**: - - 주어진 불리언 공식이 참이 될 수 있는지 판별하는 고도로 최적화된 알고리즘. 복잡한 스케줄링, 베리피케이션, 하드웨어 설계 검증에 필수적으로 사용된다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 최근에는 기호론적 추론과 딥러닝을 결합한 **Neuro-Symbolic AI**가 주목받고 있다. 딥러닝의 패턴 인식 능력과 기호론의 명확한 논리 구조를 결합하여 '설명 가능한 AI(XAI)'를 구축하는 것이 핵심 목표다. - -## 🔗 지식 연결 (Graph) -- Related: [[Automated-Theorem-Proving]] , [[Distributed-Systems-Engineering]] -- Context: [[Information Theory]] diff --git a/AI/Automated-Refactoring-Tools.md b/AI/Automated-Refactoring-Tools.md deleted file mode 100644 index ec4f1887..00000000 --- a/AI/Automated-Refactoring-Tools.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-REFACT -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.96 -tags: [Refactoring, Static Analysis, AI Code, Technical Debt] -last_reinforced: 2026-04-20 ---- - -# [[Automated-Refactoring-Tools]] (자동 리팩토링 도구) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 코드는 생명체와 같아서 방치하면 썩는다. 자동 리팩토링 도구는 코드의 악취를 맡고 실시간으로 해독제를 주입하는 '시스템의 면역계'다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Static Analysis (정적 분석)**: - - 코드를 실행하지 않고도 잠재적 버그, 중복 코드, 매직 넘버 등을 찾아내어 표준화된 스타일(Lint)로 교정한다. -- **AI-Powered Code Assistant (Copilot, Cursor)**: - - LLM을 활용하여 단순한 린트를 넘어, 함수의 복잡도를 낮추거나 비효율적인 루프를 고성능 패턴으로 바꾸는 지능적 제안을 수행한다. -- **Code Transformation Engines**: - - 대규모 프레임워크 업데이트(예: React 17 -> 18) 시 전체 코드 베이스를 기계적으로 변환하여 인간의 실수를 줄이고 마이그레이션 비용을 획기적으로 낮춘다 (e.g., CodeMods). - -## ⚠️ 모순 및 업데이트 (RL Update) -- 자동화 도구에 100% 의존하는 것은 위험하다. 비즈니스 맥락(Business Context)을 모르는 기계적 리팩토링은 때로 의도된 우회 코드를 파괴할 수 있다. 최종 검사(Human-in-the-loop)는 여전히 필수적인 관문이다. - -## 🔗 지식 연결 (Graph) -- Related: [[React_Clean_Code_Best_Practices]] , [[Software Reliability]] -- Foundation: [[System_Debugging_Protocol]] diff --git a/AI/Automated-Security-Audits.md b/AI/Automated-Security-Audits.md deleted file mode 100644 index 794fc9de..00000000 --- a/AI/Automated-Security-Audits.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-SEC-AUDIT -category: "[[10_Wiki/💡 Topics/Security]]" -confidence_score: 0.97 -tags: [Security Audits, Automation, Compliance, AI] -last_reinforced: 2026-04-20 ---- - -# [[Automated-Security-Audits]] (자동 보안 감사) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "감사는 1년에 한 번 하는 행사가 아니라, 매 순간 일어나는 이벤트여야 한다." Continuous Security를 지향하는 현대적 보안 감사의 핵심 원칙이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Policy as Code (PaC)**: - - 보안 규정(예: 모든 S3 버킷은 비공개여야 함)을 코드로 정의하고, 테라폼(Terraform)이나 쿠버네티스 배포 시 자동으로 검사한다. -- **Compliance Monitoring**: - - ISO 27001, SOC2 같은 국제 표준 준수 여부를 실시간 대시보드로 확인하고, 규정 위반 시 자동으로 티켓을 생성한다. -- **AI Pen-Testing**: - - AI 에이전트가 시스템의 약점을 수동태로 계속해서 찌르고 시뮬레이션하여(Red Teaming), 인간이 놓친 경로를 발굴한다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 자동화는 효율적이지만 '제로 데이(Zero-day)' 취약점 앞에서는 무력할 수 있다. 자동 감사는 알려진 위협(Known unknowns)을 막는 방패이며, 알려지지 않은 위협(Unknown unknowns)은 화이트 해커의 창의적 수동 분석이 여전히 필요하다. - -## 🔗 지식 연결 (Graph) -- Related: [[Security_Governance]] , [[SAST]] -- Strategy: [[Reliability_Safety_First]] diff --git a/AI/Automated-Theorem-Proving.md b/AI/Automated-Theorem-Proving.md deleted file mode 100644 index 0666aa37..00000000 --- a/AI/Automated-Theorem-Proving.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-THEOREM -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.94 -tags: [Theorem Proving, Coq, Lean, Formal Verification] -last_reinforced: 2026-04-20 ---- - -# [[Automated-Theorem-Proving]] (자동 정기 증명 ATP) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "코드가 맞다"고 믿는 것이 아니라, 수학적으로 "틀릴 수 없음"을 컴퓨터가 강제로 증명하게 만드는 소프트웨어 신뢰성의 정점이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Hilbert's Program & Decidability**: - - 모든 수학적 명제를 기계적으로 판별할 수 있는지에 대한 질문에서 시작되었다. 비록 불완전성 정리에 의해 한계가 밝혀졌으나, 특정 영역에서의 자동 증명은 비약적으로 발전했다. -- **Formal Verification (형식 검증)**: - - 운영체제 커널(seL4)이나 금융 스마트 컨트랙트처럼 단 하나의 버그도 허용되지 않는 곳에서, 프로그램이 사양(Specification)대로 동작함을 논리적으로 입증한다. -- **Lean & Coq (Proof Assistants)**: - - 최근 AI(LLM)와 결합하여 인간이 수학 문제를 풀 듯 증명 과정을 생성하고 검증하는 '대화형 증명 도우미'가 대세다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- ATP는 엄청난 계산 자원을 소모하는 '탐색 문제'다. 모든 경로를 다 뒤지는 대신, 최근에는 신경망이 증명 전략(Tactics)을 제안하고 ATP가 이를 검증하는 하이브리드 방식이 각광받고 있다. - -## 🔗 지식 연결 (Graph) -- Related: [[Automated-Reasoning]] , [[Amazon-AWS-Formal-Verification]] -- Foundation: [[Computational Thinking]] diff --git a/AI/Automated_Mapping.md b/AI/Automated_Mapping.md deleted file mode 100644 index fc8bdd4a..00000000 --- a/AI/Automated_Mapping.md +++ /dev/null @@ -1,29 +0,0 @@ ---- -id: P-REINFORCE-AI-004 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.91 -tags: [ai, slam, mapping, autonomous] -last_reinforced: 2026-04-20 -github_commit: "batch-reinforce-05" ---- - -# [[Automated Mapping & SLAM]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 미지의 공간을 탐사함과 동시에 자신의 위치를 파악하여 정밀한 지도를 그려내는 자율 주행의 눈과 지능. - -## 📖 구조화된 지식 (Synthesized Content) -- **추출된 패턴:** LiDAR/카메라 데이터 퓨전을 통해 특징을 추출하고, 루프 폐쇄(Loop Closure)를 통해 지도 정합의 오차를 보정하며 전역 일관성을 확보하는 패턴. -- **세부 내용:** - - 4단계 매핑 파이프라인: 데이터 획득 -> 특징 추출 -> 위상 구조 생성 -> 전역 최적화. - - 번들 조정(Bundle Adjustment)을 통한 그래프 기반 최적화 기법 적용. - - 고정밀(HD) 지도 자동 생성 및 실시간 업데이트 로직. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 수동 지도 제작 방식에서 센서 기반의 완전 자율 매핑 시스템으로의 패러다임 변화. -- **정책 변화:** 지식 구조(w2) 관점에서 자율 주행 에이전트의 '공간 지능' 핵심 요소로 정의. - -## 🔗 지식 연결 (Graph) -- **Parent:** [[10_Wiki/💡 Topics/AI]] -- **Related:** [[Computer_Vision]], [[VPS_NeRF]], [[Spatial-Computing]] -- **Raw Source:** [[00_Raw/2026-04-20/Automated-Map-Generation.md]] diff --git a/AI/Autonomous-Polling-Wait-Automation.md b/AI/Autonomous-Polling-Wait-Automation.md deleted file mode 100644 index 91179239..00000000 --- a/AI/Autonomous-Polling-Wait-Automation.md +++ /dev/null @@ -1,35 +0,0 @@ ---- -id: P-REINFORCE-AUTO-9B8C6B -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Autonomous-Polling-Wait-Automation" ---- - -# [[Autonomous-Polling-Wait-Automation]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> Deep Research 작업의 완료를 에이전트가 스스로 감지하고, "가져오기" 버튼을 누를 필요 없이 즉시 데이터를 수집하는 지능형 대기 시스템입니다. 10초 단위의 상태 폴링(Polling)을 통해 NotebookLM의 작업 상태를 모니터링하며, 완료 시점에 즉각적으로 다음 단계(Synthesis)로 전이됩니다. - -## 📖 구조화된 지식 (Synthesized Content) -NotebookLM의 'Deep Research' 기능은 대규모 데이터를 처리하므로 평균 3~10분의 시간이 소요됩니다. 이전 버전에서는 사용자가 브라우저를 모니터링하다가 수동으로 '합성하기' 버튼을 눌러야 루프가 이어졌으나, 이를 다음과 같이 자동화했습니다. - -1. **State Polling Interface**: `research_status` API를 호출하여 작업의 진행 상태를 JSON 형태로 실시간 수집합니다. -2. **Hybrid Wait Strategy**: - - **Auto Mode**: 최대 10분(60회 폴링) 동안 'completed' 상태를 추적하며, 감지 즉시 `research_import`를 실행합니다. - - **Manual Fallback**: 만약 10분이 지나도 완료되지 않거나 네트워크 오류가 발생하면, 시스템은 중단되지 않고 다시 '수동 대기' 모드로 전환되어 사용자의 판단을 기다립니다. -3. **Promise-Level Sync**: JavaScript의 비동기 제어 구조(Async/Await)를 활용하여, 폴링 루프가 도는 동안 엔진의 메인 루프를 안전하게 일시 정지(Suspend) 시킵니다. - -이 자동화로 인해 에이전트는 진정한 의미의 '잠들지 않는 연구원'이 되었으며, 대규모 지식 수집 시 사용자의 피로도를 획기적으로 낮추었습니다. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[NotebookLM-Automated-Authentication-CLI]], [[Autonomous-Loop-State-Machine]] -- **Projects/Contexts:** [[P-Reinforce-Agent-v2.6]] -- **Contradictions/Notes:** 너무 잦은 폴링은 API 할당량(Quota) 이슈를 유발할 수 있으므로 10초 간격이 권장됩니다. -- Raw Source: [[00_Raw/2026-04-20/Autonomous-Polling-Wait-Automation.md]] ---- diff --git a/AI/Autonomous-Vehicle-Path-Planning.md b/AI/Autonomous-Vehicle-Path-Planning.md deleted file mode 100644 index e5373105..00000000 --- a/AI/Autonomous-Vehicle-Path-Planning.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-PATHPLAN -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.98 -tags: [Path Planning, A* Algorithm, Robotics, Autonomous Vehicle] -last_reinforced: 2026-04-20 ---- - -# [[Autonomous-Vehicle-Path-Planning]] (자율주행 경로 계획) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 경로 계획은 '가장 빠른 길'을 찾는 것이 아니라, '안전하고 부드러우며 예측 가능한' 움직임을 실시간으로 설계하는 확률적 탐색이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Global Path Planning**: - - 출발지에서 목적지까지의 거시적인 경로를 설정한다. 고전적인 **A* (A-star)** 알고리즘이나 **Dijkstra** 알고리즘이 지도 데이터 위에서 작동한다. -- **Local Motion Planning (실시간 회피)**: - - 갑자기 튀어나오는 보행자나 장애물을 피하기 위한 미시적인 궤적 최적화. **RRT* (Rapidly-exploring Random Tree)**나 **Hybrid A*** 등이 사용된다. -- **Behavioral Decision (판단 레이어)**: - - 차선 변경, 추월, 일단 정지 등 도로의 법규(Traffic Laws)와 에티켓을 반영한 의사결정 알고리즘과 물리적 제어를 결합한다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 과거에는 규칙 기반(Rule-based) 알고리즘이 주류였으나, 최근에는 복잡한 도심 상황을 해결하기 위해 'End-to-End' 딥러닝 방식과 '전통적 플래닝'을 결합한 계층적 구조가 표준으로 자리 잡았다. - -## 🔗 지식 연결 (Graph) -- Related: [[Systemic_Simulation_Principles]] , [[Robotic Manipulation]] -- Context: [[Digital Twins]] diff --git a/AI/Axify.md b/AI/Axify.md deleted file mode 100644 index 7a3221c1..00000000 --- a/AI/Axify.md +++ /dev/null @@ -1,33 +0,0 @@ ---- -id: P-REINFORCE-AUTO-FB7EF7 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Axify" ---- - -# [[Axify]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> Axify는 엔지니어링 리더와 소프트웨어 개발 팀의 생산성 및 배포 성과를 측정하고 최적화하도록 돕는 플랫폼입니다 [1-3]. DORA 지표, 가치 흐름 매핑(VSM), 개발자 생산성 등 다양한 소프트웨어 엔지니어링 지표를 실시간으로 추적 및 시각화합니다 [2, 4]. 특히 AI 기반 코드 리뷰 도구 등 새로운 기술의 도입이 개발 주기와 실제 배포 결과에 미치는 영향을 객관적인 데이터로 비교하고 분석하는 기능을 제공합니다 [5, 6]. - -## 📖 구조화된 지식 (Synthesized Content) -- **소프트웨어 딜리버리 및 지표 추적:** Axify는 DORA 지표 대시보드, 소프트웨어 엔지니어링 지표 추적, 목표 설정 및 진행률 보고 기능을 제공합니다 [2, 7]. 또한 가치 흐름 매핑(Value Stream Mapping)을 통해 전체 소프트웨어 개발 과정의 시각적 지도를 제공하여 배포 효율성을 높입니다 [2, 4]. -- **Axify Intelligence:** 엔지니어링 리더를 위한 AI 의사결정 파트너 기능입니다 [1, 2]. 범용 LLM과 달리 조직의 실제 저장소, 파이프라인, 과거 장애 기록 등 실제 전송 데이터를 기반으로 분석을 수행합니다 [8]. 지표가 변동된 원인을 설명하고 구체적인 워크플로우 조정 방안을 추천하며, 챗봇 인터페이스를 통해 사용자가 직접 질문하고 권장 조치를 적용할 수 있습니다 [8]. -- **AI 도입 영향(AI Impact) 측정:** AI 리뷰 에이전트와 같은 도구 도입 시, 단순한 사용량 지표(가짜 지표)가 아니라 팀 단위의 실제 PR(Pull Request) 주기 시간, 최초 리뷰까지의 시간, AI 지원 커밋 비율, 제안 수락률 등의 실질적 행동 변화를 추적합니다 [9-11]. 나아가 PR 데이터와 배포 데이터를 연결하여 배포 빈도 및 변경 리드 타임(Lead time for changes)이 AI 도입 전후로 어떻게 달라졌는지 명확한 추세 분석을 가능하게 합니다 [10, 12]. -- **통합성 및 활용 사례:** Slack, Microsoft Teams, Jira, Azure DevOps, GitHub, GitLab 등 개발팀이 널리 사용하는 기존 도구들과 원활하게 통합됩니다 [7]. Axify를 도입한 BDC는 최대 51%의 배포 속도 향상을, Newforma는 22배 많은 배포 성과를 달성한 사례가 있습니다 [13]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[Axify Intelligence]], [[DORA Metrics]], [[Value Stream Mapping]] -- **Projects/Contexts:** [[AI Adoption and Impact Measurement]], [[Developer Productivity Tracking]] -- **Contradictions/Notes:** 소스 내에서 상충되는 의견은 발견되지 않았습니다. 다만 Axify는 새로운 AI 리뷰 도구를 단순히 설치하거나 제안 횟수 자체를 세는 것(Vanity metrics)만으로는 배포 개선을 증명할 수 없다고 지적하며, 실제 성과(DORA 지표 등)로 이어지는지 측정하는 것의 중요성을 강조합니다 [5, 9, 14]. - ---- -*Last updated: 2026-04-18* -- Raw Source: [[00_Raw/2026-04-20/Axify.md]] ---- diff --git a/AI/Azure DevOps.md b/AI/Azure DevOps.md deleted file mode 100644 index ef56a839..00000000 --- a/AI/Azure DevOps.md +++ /dev/null @@ -1,35 +0,0 @@ ---- -id: P-REINFORCE-AUTO-6BDC0C -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Azure DevOps" ---- - -# [[Azure DevOps]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 소스에 관련 정보가 부족합니다. 주어진 소스에서는 Azure DevOps 자체에 대한 구체적인 정의나 기능에 대한 설명이 없으며, 단지 다른 소프트웨어 분석 및 관리 도구들이 연동을 지원하는 여러 개발 플랫폼 중 하나로만 간략히 언급되어 있습니다 [1, 2]. - -## 📖 구조화된 지식 (Synthesized Content) -소스에 관련 정보가 부족합니다. - -제공된 소스에서 파악할 수 있는 Azure DevOps에 대한 단편적인 정보는 다음과 같습니다: -* **도구 통합(Integrations) 플랫폼으로서의 활용:** - * AI 코드 리뷰 및 코드 품질/보안 검증 도구인 **SonarQube**는 개발자의 워크플로우를 지원하기 위해 GitHub, Bitbucket, GitLab 등과 함께 Azure DevOps와의 통합을 제공합니다 [1]. - * 소프트웨어 엔지니어링 팀의 DORA 지표 측정 및 생산성 분석 도구인 **Axify** 또한 Slack, Microsoft Teams, Jira 등의 도구와 더불어 Azure DevOps와의 연동을 지원합니다 [2]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[SonarQube]], [[Axify]] -- **Projects/Contexts:** 외부 AI 코드 리뷰 도구 및 엔지니어링 생산성 분석 대시보드와의 파트너십 및 시스템 통합(Integration) 맥락 환경 [1, 2] -- **Contradictions/Notes:** 소스에 관련 정보가 부족합니다. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/Azure DevOps.md]] ---- diff --git a/AI/B-Tree.md b/AI/B-Tree.md deleted file mode 100644 index 2bcdb905..00000000 --- a/AI/B-Tree.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-B-TREE -category: "[[10_Wiki/💡 Topics/Programming & Language]]" -confidence_score: 0.99 -tags: [B-Tree, Data Structure, DB, Indexing] -last_reinforced: 2026-04-20 ---- - -# [[B-Tree]] (B-트리) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "디스크의 느린 속도를 이겨내는 최적의 균형." 한 노드에 여러 데이터를 담고 층수를 낮게 유지하여, 수백만 건의 데이터도 단 3~4번의 읽기만으로 찾아내는 인덱스의 제왕이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Multi-way Search Tree**: - - 이진 트리(2-way)와 달리 노드 하나가 수십~수백 개의 자식을 가질 수 있다. 이를 통해 트리의 높이(Height)를 극적으로 낮춘다. -- **Self-Balancing**: - - 데이터가 추가되거나 삭제될 때마다 스스로 노드를 분할(Split)하거나 합치며(Merge) 높이 균형을 유지한다. 언제나 탐색 속도가 보장된다. -- **Disk I/O Efficiency**: - - 노드 한 개의 크기를 하드디스크의 한 블록(Page) 크기에 맞춰 설계하여, 한 번의 스핀으로 최대한 많은 정보를 읽어오게 한다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 현대의 SSD 환경에서는 랜덤 액세스 속도가 빨라져서 B-Tree 계열 외에도 LSM-Tree(NoSQL 등에서 사용) 같은 다양한 변종이 사용된다. 하지만 여전히 관계형 DB(MySQL, PostgreSQL)의 기본 인덱스는 B+Tree(B-Tree의 계층형 변형)가 압도적 표준이다. - -## 🔗 지식 연결 (Graph) -- Related: [[Distributed-Systems-Engineering]] , [[Combinatorial-Optimization]] -- Foundation: [[Computational Thinking]] diff --git a/AI/Backpropagation.md b/AI/Backpropagation.md deleted file mode 100644 index c02aa66f..00000000 --- a/AI/Backpropagation.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-BACKPROP -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 1.0 -tags: [Backpropagation, Deep Learning, Gradient Descent, Optimization] -last_reinforced: 2026-04-20 ---- - -# [[Backpropagation]] (역전파) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "실수를 뒤에서부터 고쳐 나가는 지혜." 출력층에서 발생한 오차(Loss)가 각 신경망 층의 가중치(Weight)에 얼마나 기여했는지 거꾸로 계산하며 효율적으로 학습시키는 딥러닝의 핵심 학습 메커니즘이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Chain Rule (미분의 연쇄 법칙)**: - - 전체 오차를 각 파라미터로 미분하기 위해, 각 단계의 부분 미분값을 곱해 나가는 미적분학적 과정. -- **Gradient Computation**: - - 모든 파라미터에 대한 경사도(Gradient)를 한 번에 계산하여, 경사 하강법(Gradient Descent)을 통해 신경망을 정답에 가깝게 업데이트한다. -- **Efficiency**: - - 모든 파라미터를 개별적으로 미분하는 것보다 수백만 배 빠르며, 이로 인해 수조 개의 파라미터를 가진 거대 모델의 학습이 가능해졌다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 층이 너무 깊어지면 미분값이 0으로 사라지는 'Vanishing Gradient' 문제가 발생한다. 이를 위해 ReLU 활성화 함수나 ResNet 같은 잔차 연결(Residual Connection) 기술이 보완적으로 사용된다. - -## 🔗 지식 연결 (Graph) -- Related: [[Deep-Learning-Architecture-Patterns]] , [[Gradient-Descent]] -- Foundation: [[Computational Theory & Math/Information Theory]] diff --git a/AI/Baseline Project.md b/AI/Baseline Project.md deleted file mode 100644 index e4bd1ebb..00000000 --- a/AI/Baseline Project.md +++ /dev/null @@ -1,35 +0,0 @@ ---- -id: P-REINFORCE-AUTO-E3E3EF -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Baseline Project" ---- - -# [[Baseline Project]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> Baseline Project는 Chrome, Edge, Firefox, Safari 등 주요 웹 브라우저에서 최소 30개월 이상 지속적으로 지원된 '널리 사용 가능한 브라우저 API(widely available browser APIs)'를 정의하는 프로젝트입니다 [1]. 이 프로젝트는 특정 웹 플랫폼 기능이 언제부터 모든 주요 브라우저에서 안전하게 사용될 수 있는지에 대한 타임라인을 제공하여 개발자들을 돕습니다 [1]. 브라우저의 네이티브 지원이 확대되어 베이스라인 기능이 늘어나면, 대체용 JavaScript 사용량이 줄어들어 결과적으로 웹 성능이 향상되는 이점이 있습니다 [2]. - -## 📖 구조화된 지식 (Synthesized Content) -- **정의 및 기준:** Baseline Project는 Chrome, Edge, Firefox, Safari 브라우저 모두에서 최소 30개월 동안 지원된 브라우저 API 기능들을 묶어 '널리 사용 가능한(widely available)' 기능으로 정의합니다 [1]. -- **성능 측정과 타임라인:** 지원되는 API 중 일부는 비교적 최근에 추가된 것일 수 있으며, Rick Viscomi가 만든 웹사이트를 통해 다양한 기능들이 언제 베이스라인으로 편입되었거나 될 예정인지 보여주는 타임라인을 확인할 수 있습니다 [1]. 예를 들어, Safari가 2023년에 '리소스 크기 측정(Measuring resources size)'과 '서버 타이밍 수집(Collecting server timings)' 기능 지원을 개선함에 따라, 해당 기능들은 2025년 9월을 기점으로 베이스라인이 되었습니다 [1, 2]. -- **주요 편입 기능 및 향후 예정:** - - 컨테이너 쿼리(container queries), CompressionStream API, MathML 렌더링 기능은 2025년부터 널리 사용 가능한 베이스라인으로 편입되었습니다 [2]. - - 이미지 포맷인 AVIF는 2026년 7월에 널리 사용 가능한 상태가 될 것이며, 리소스 로딩 우선순위를 정하는 `fetchpriority` 속성은 2027년 4월에 베이스라인에 편입될 예정입니다 [3]. -- **웹 성능에 미치는 영향:** 새로운 기능들이 네이티브 웹 플랫폼에서 널리 지원되어 베이스라인 수준에 도달하면, 이를 구현하기 위해 필요했던 JavaScript 코드의 양이 줄어들게 되어 결과적으로 더 나은 웹 성능을 제공할 수 있게 됩니다 [2]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[Browser APIs]], [[Web Performance]] -- **Projects/Contexts:** [[Web Platform Features]] -- **Contradictions/Notes:** 소스에 관련 정보가 부족합니다. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/Baseline Project.md]] ---- diff --git a/AI/Bayesian Inference.md b/AI/Bayesian Inference.md deleted file mode 100644 index e6c60eaa..00000000 --- a/AI/Bayesian Inference.md +++ /dev/null @@ -1,29 +0,0 @@ ---- -id: P-REINFORCE-AI-BAYESIAN -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.98 -tags: [Bayesian Inference, Probability, Stats, AI] -last_reinforced: 2026-04-20 ---- - -# [[Bayesian-Inference]] (베이지안 추론) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "믿음은 고정된 것이 아니라 정보에 따라 진화한다." 기존의 배경 지식(Prior)에 새로운 근거(Evidence)를 더해 더 정확한 진실(Posterior)에 다가가는 통계학적 통찰이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Prior Probability (사전 확률)**: - - 새로운 데이터를 보기 전에 우리가 이미 알고 있는 지식이나 가설의 확률. -- **Likelihood (우도)**: - - 어떤 가설이 참일 때, 현재 관찰된 데이터가 나타날 확률. -- **Posterior Probability (사후 확률)**: - - 새로운 데이터를 반영한 후 업데이트된 우리의 최종 믿음. -- **Application**: - - 스팸 메일 필터링, 의료 진단, 자율주행 차의 센서 융합 등 불확실성이 큰 환경의 의사결정에 필수적이다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 베이지안 추론은 '사전 확률'을 설정할 때 주관이 개입된다는 비판을 받기도 한다(빈도주의 통계학과의 논쟁). 하지만 데이터가 적은 초기 상태에서는 베이지만큼 강력한 예측 도구가 없다. - -## 🔗 지식 연결 (Graph) -- Related: [[Automated-Reasoning]] , [[Behavioral-Economics]] -- Foundation: [[Computational Theory & Math/Information Theory]] diff --git a/AI/Behavioral Finance.md b/AI/Behavioral Finance.md deleted file mode 100644 index 08b6a40c..00000000 --- a/AI/Behavioral Finance.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-FINANCE -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.98 -tags: [Behavioral Finance, Psychology, Market, Investment] -last_reinforced: 2026-04-20 ---- - -# [[Behavioral-Finance]] (행동 재무학) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 주식 시장은 '가치'가 아니라 '군중의 광기와 공포'에 의해 움직이며, 이 비합리적 패턴을 수학적으로 모델링하여 초과 수익(Alpha)을 찾는 학문이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Overconfidence Bias (자기과신 편향)**: - - 자신이 평균보다 정보를 더 잘 해석한다고 믿는 착각. 이로 인해 과도한 거래가 발생하고 수수료로 수익이 깎이는 현상이 발생한다. -- **Herd Behavior (群集 심리)**: - - 뚜렷한 근거 없이 남들이 사니까 따라 사는 것. 버블(Bubble)이 형성되고 붕괴되는 심리적 메커니즘의 핵심이다. -- **Mental Accounting (심적 회계)**: - - 공짜로 얻은 돈과 힘들게 번 돈을 다르게 대하는 태도. 도박꾼의 오류(Gambler's Fallacy)와 연결되어 비합리적인 베팅을 유도한다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 행동 재무학은 시장의 비합리성을 말하지만, 이를 이용해 돈을 버는 것은 또 다른 문제다(효율적 시장 가설과의 충돌). 최근에는 AI를 통해 소셜 미디어의 감정(Sentiment)을 분석하여 군중 심리를 정량화하는 고도화된 퀀트(Quant) 전략이 사용된다. - -## 🔗 지식 연결 (Graph) -- Related: [[Behavioral-Economics]] , [[Game Design Theory]] -- Foundation: [[Information Theory]] diff --git a/AI/Behavioral-Economics.md b/AI/Behavioral-Economics.md deleted file mode 100644 index 79d13f98..00000000 --- a/AI/Behavioral-Economics.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-BEHAVE -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.97 -tags: [Behavioral Economics, Human Factor, Nudge, Psychology] -last_reinforced: 2026-04-20 ---- - -# [[Behavioral-Economics]] (행동 경제학) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 인간은 합리적이지 않다. 다만 '예측 가능하게 비합리적'일 뿐이다. 이 비합리성의 패턴을 이해하는 것이 최고의 사용자 경험(UX)을 만드는 열쇠다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Loss Aversion (손실 회피)**: - - 10,000원을 얻었을 때의 기쁨보다 10,000원을 잃었을 때의 고통이 훨씬 크다. 이 기제로 인해 사람들은 변화를 거부하고 형상 유지(Status Quo Bias)를 선호한다. -- **Anchoring Effect (닻 내림 효과)**: - - 처음 제시된 정보(가격 등)가 기준점이 되어 이후 모든 판단에 영향을 준다. 할인 전 가격을 크게 써놓는 상술의 근거다. -- **Nudge (넛지)**: - - 명령이나 금지가 아니라, 선택 설계(Choice Architecture)를 통해 타인의 행동을 부드럽게 유도하는 기술 (예: 소변기의 파리 그림, 디폴트 옵션 설정). - -## ⚠️ 모순 및 업데이트 (RL Update) -- 행동 경제학의 실험들은 최근 '재현성 위기'를 겪고 있다. 특정 실험실 환경에서의 결과가 실제 웹 환경이나 문화권마다 다르게 나타날 수 있음을 인지하고, 항상 자사 서비스에서의 자가 테스트(A/B Test)가 병행되어야 한다. - -## 🔗 지식 연결 (Graph) -- Related: [[Nudge Theory]] , [[A_B-Testing-Platforms]] -- Design: [[Design_Psychology]] diff --git a/AI/Bellman Equation.md b/AI/Bellman Equation.md deleted file mode 100644 index f8047c6e..00000000 --- a/AI/Bellman Equation.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-BELLMAN -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.99 -tags: [Bellman Equation, Reinforcement Learning, Math, Dynamic Programming] -last_reinforced: 2026-04-20 ---- - -# [[Bellman-Equation]] (벨만 방정식) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "오늘의 보상(Step reward) + 내일의 가치(Future value) = 오늘의 가치." 시간의 흐름 속에 흩어진 가치를 하나로 묶어주는 재귀의 미학이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Recursive Utility**: - - 현재 상태의 가치(Value)를 '즉각적 보상'과 '다음 상태의 기대 가치'의 합으로 정의한다. 이는 복잡한 미래 결정을 작은 현재 결정으로 쪼개어 풀 수 있게 한다. -- **Dynamic Programming (동적 계획법)**: - - 벨만 방정식은 큰 문제를 작은 부분 문제로 나누어 푸는 근간이 된다. 바둑(AlphaGo)이나 체스 AI의 핵심 연산 원리다. -- **Discount Factor (Gamma)**: - - 미래의 가치를 현재 시점으로 환산할 때 얼마나 깎을지(가중치)를 결정하는 변수. 1에 가까울수록 먼 미래를 보고, 0에 가까울수록 당장의 이익에 집중한다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 실제 세계(Model-free)에서는 다음 상태의 가치를 정확히 알 수 없다. 그래서 벨만 방정식을 기반으로 경험을 통해 가치를 추측해가는 'Q-Learning'이나 'Deep Q-Networks(DQN)'로 발전해왔다. - -## 🔗 지식 연결 (Graph) -- Related: [[Reinforcement Learning]] , [[Deep-Reinforcement-Learning]] -- Foundation: [[Computational Theory & Math/Information Theory]] diff --git a/AI/Bellman-Equation.md b/AI/Bellman-Equation.md deleted file mode 100644 index 5b794cd4..00000000 --- a/AI/Bellman-Equation.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-BELLMAN -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 1.0 -tags: [Bellman Equation, Reinforcement Learning, Dynamic Programming, MDP] -last_reinforced: 2026-04-20 ---- - -# [[Bellman-Equation]] (벨만 방정식) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "오늘의 선택은 내일의 가치를 품고 있다." 현재 상태의 가치를 '현재 받는 보상'과 '다음 상태의 기대 가치'의 합으로 정의하는 강화학습과 동적 계획법의 수학적 초석이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Recursive Structure**: - - 복잡한 미래의 합을 현재와 바로 다음 단계의 관계로 쪼갬으로써, 거대한 의사결정 문제를 계산 가능한 단위로 분해한다. -- **State-Value Function (V)**: - - 특정 상태에 있는 것이 장기적으로 볼 때 얼마나 좋은지 수치화한다. -- **Action-Value Function (Q)**: - - 특정 상태에서 특정 행동을 하는 것이 얼마나 좋은지 수치화하며, 이는 Q-Learning의 핵심이 된다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 벨만 방정식은 환경의 변화를 완벽히 안다는 가정하에 작동한다. 실제 세상처럼 환경이 불투명할 때는 근사치(Approximation)를 사용하는 Deep Q-Network(DQN) 등이 대안으로 사용된다. - -## 🔗 지식 연결 (Graph) -- Related: [[DQN]] , [[Reinforcement-Learning]] -- Foundation: [[Computational Theory & Math/Information Theory]] diff --git a/AI/Bert-Language-Model.md b/AI/Bert-Language-Model.md deleted file mode 100644 index 36cbb1c5..00000000 --- a/AI/Bert-Language-Model.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-BERT -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.99 -tags: [BERT, NLP, Transformer, Language Model, Transfer Learning] -last_reinforced: 2026-04-20 ---- - -# [[Bert-Language-Model]] (BERT 언어 모델) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "단어의 앞뒤 맥락을 동시에 읽는 천재." 문장을 왼쪽에서 오른쪽으로만 읽던 기존 방식을 탈피하여, 양방향(Bidirectional)으로 문맥을 파악해 언어 이해 능력을 극대화한 트랜스포머 기반 모델이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Masked Language Model (MLM)**: - - 문장의 일부 단어를 가리고(Masking), 주변 단어들을 통해 가려진 단어를 맞추는 방식으로 언어의 구조를 스스로 학습한다. -- **Next Sentence Prediction (NSP)**: - - 두 문장이 이어지는 문장인지 판단하는 태스크를 통해 문장 간의 관계와 논리적 흐름을 파악한다. -- **Transfer Learning**: - - 방대한 텍스트로 미리 학습(Pre-training)된 BERT를 특정 작업(질의응답, 감성 분석 등)에 맞춰 살짝 미세 조정(Fine-tuning)하여 최강의 성능을 낸다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- BERT는 '이해'는 뛰어나지만 '생성(Generation)'에는 적합하지 않다. 생성형 AI 시대에는 GPT 같은 디코더(Decoder) 기반 모델이 주류지만, 검색이나 분류 같은 분석 작업에서는 여전히 BERT가 가성비 최고의 왕좌를 지키고 있다. - -## 🔗 지식 연결 (Graph) -- Related: [[Transformer-Architecture]] , [[Natural-Language-Processing]] -- Context: [[Artificial-Intelligence]] diff --git a/AI/Best SAST Tools in 2026.md b/AI/Best SAST Tools in 2026.md deleted file mode 100644 index a95f7e1e..00000000 --- a/AI/Best SAST Tools in 2026.md +++ /dev/null @@ -1,29 +0,0 @@ ---- -id: P-REINFORCE-SEC-TOOLS -category: "[[10_Wiki/💡 Topics/Security]]" -confidence_score: 0.98 -tags: [SAST, Security Tools, 2026, Snyk, SonarQube] -last_reinforced: 2026-04-20 ---- - -# [[Best-SAST-Tools-in-2026]] (2026년 최고의 SAST 도구) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "도구는 똑똑해졌고, 개발자는 더 안전해졌다." 2026년 현재, 단순 패턴 매칭을 넘어 코드의 '의도'를 파악하는 AI 기반 보안 도구가 시장을 지배하고 있다. - -## 📖 구조화된 지식 (Synthesized Content) -- **SonarQube (Professional Edition)**: - - 코드 품질과 결합된 전통의 강자. 최근 딥러닝 엔진을 탑재하여 정교한 데이터 흐름 분석 기능을 강화했다. -- **Snyk (Developer First)**: - - 개발자 친화적인 UI와 강력한 오픈소스 라이브러리 취약점 관리(SCA)를 동시에 제공한다. PR 단계에서 즉각적인 수정을 제안한다. -- **Checkmarx One**: - - 엔터프라이즈 환경에서 수천 개의 마이크로서비스를 통합 관리할 수 있는 가시성을 제공한다. -- **GitHub Advanced Security (CodeQL)**: - - 깃허브 네이티브 환경에서 코드를 쿼리처럼 검색하여 취약점을 찾는 독보적인 기능을 제공한다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 최고 사양의 도구를 도입하더라도, 조직의 '문화(DevSecOps)'가 뒷받침되지 않으면 무용지물이다. 경고를 무시하지 않고 즉각 대응하는 거버넌스(Governance) 프로세스가 도구의 성능보다 중요하다. - -## 🔗 지식 연결 (Graph) -- Related: [[SAST (Static Application Security Testing)]] , [[Deployment_Final_Gate]] -- Context: [[Modern_Environment_Ecosystem]] diff --git a/AI/Best-of-N Sampling ( ø).md b/AI/Best-of-N Sampling ( ø).md deleted file mode 100644 index 72debf7e..00000000 --- a/AI/Best-of-N Sampling ( ø).md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-BESTN -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.98 -tags: [LLM, Sampling, Best-of-N, Search, Generation] -last_reinforced: 2026-04-20 ---- - -# [[Best-of-N-Sampling]] (베스트 오브 N 샘플링) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "열 번 찍어 안 넘어가는 나무 없다." AI에게 N번 시도하게 하고, 그중 가장 '정답에 가까운' 결과물을 보상 모델(Reward Model)로 골라내는 필승 전략이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **추론 시간 연산 (Inference-time Compute)**: - - 모델의 크기를 키우는 대신, 추론 시점에 더 많은 계산을 수행하여 답변의 품질을 높이는 기법. 최근 OpenAI o1 등 추론 모델의 핵심 원리 중 하나다. -- **Reward Modeling (RM)**: - - N개의 답변 중 어떤 것이 가장 좋은지 판별하는 별도의 '감별사 AI'를 투입한다. 인간의 선호도(RLHF)를 반영한 RM이 최종 선택을 담당한다. -- **Majority Voting vs Selection**: - - 수학 문제라면 답변들 중 가장 많이 나온 값(Majority Vote)을 택하고, 창의적 답변이라면 RM 스코어가 가장 높은 것을 택한다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- N이 클수록 품질은 올라가지만 비용과 응답 지연 시간(Latency)이 기하급수적으로 늘어난다. 실시간 서비스에서는 N=3~5 수준의 타협점이 요구되며, 최근에는 자가 수정(Self-correction) 능력을 키우는 쪽으로 연구가 이동 중이다. - -## 🔗 지식 연결 (Graph) -- Related: [[Reinforcement Learning]] , [[AI 모델 평가]] -- Context: [[Information Theory]] diff --git a/AI/Best-of-N Sampling (최적 샘플링).md b/AI/Best-of-N Sampling (최적 샘플링).md deleted file mode 100644 index 0688a7be..00000000 --- a/AI/Best-of-N Sampling (최적 샘플링).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-F28615 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Best-of-N Sampling (최적 샘플링)" ---- - -# [[Best-of-N Sampling (최적 샘플링)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Best-of-N Sampling (최적 샘플링).md]] ---- diff --git a/AI/Best-of-N Sampling.md b/AI/Best-of-N Sampling.md deleted file mode 100644 index 8bc95677..00000000 --- a/AI/Best-of-N Sampling.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-BEST-OF-N -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.99 -tags: [Best-of-N, Sampling, Inference, Reward Model, AI Alignment] -last_reinforced: 2026-04-20 ---- - -# [[Best-of-N-Sampling]] (Best-of-N 샘플링) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "열 정승보다 나은 한 명의 장군 찾기." LLM이 생성한 N개의 결과물 중, 보상 모델(Reward Model)이 가장 우수하다고 판단한 단 하나의 답변을 선택하여 품질을 극대화하는 추론 전략이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Generation & Scoring**: - - 동일한 프롬프트에 대해 정책 모델(Policy)이 여러 개의 독립된 답변을 생성하고, 이를 별도의 채점 모델(Reward)이 평가한다. -- **Inference Time Compute**: - - 모델을 더 키우는 대신 '추론 단계의 연산량'을 늘려 성능을 향상시키는 경제적인 성능 고도화 방법(Scaling Laws for Inference). -- **Quality Control**: - - 환각이 발생한 답변이나 안전 가이드라인을 어긴 답변을 필터링하고 가장 논리적인 결과물을 도출한다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- N이 커질수록 품질은 좋아지지만 코스트(비용)와 지연 시간(Latency)이 기하급수적으로 늘어난다. 따라서 서비스의 실시간성 요구도에 따라 N의 적절한 값을 정하는 것이 엔지니어링의 묘미다. - -## 🔗 지식 연결 (Graph) -- Related: [[Prompt-Engineering]] , [[Reinforcement-Learning-from-Human-Feedback-(RLHF)]] -- Metric: [[Reward-Model-Training]] diff --git a/AI/Bias-Correction-Algorithm.md b/AI/Bias-Correction-Algorithm.md deleted file mode 100644 index 920d88e7..00000000 --- a/AI/Bias-Correction-Algorithm.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-BIAS-CORR -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.98 -tags: [Bias Correction, AI Ethics, Algorithmic Fairness, Statistics] -last_reinforced: 2026-04-20 ---- - -# [[Bias-Correction-Algorithm]] (편향 보정 알고리즘) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "데이터의 편견은 모델의 차별이 된다." 특정 인구통계학적 특성에 치우친 데이터를 수학적으로 재조정하여, AI가 공정하고 객관적인 판결을 내리도록 강제하는 기술적 윤리 장치다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Pre-processing Techniques**: - - 학습 전 데이터셋에서 편향된 샘플의 가중치를 조절하거나(Reweighing), 정보를 제거하여 모델이 편견을 학습하지 못하게 한다. -- **In-processing Approaches**: - - 손실 함수(Loss function)에 '공정성 제약 조건'을 추가하여, 정확도뿐만 아니라 공정성 점수도 함께 최적화한다. -- **Post-processing Calibration**: - - 모델의 예측 결과가 나온 뒤, 특정 집단에 대해 임계값(Threshold)을 조정하여 최종 출력의 균형을 맞춘다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 과도한 편향 보정은 모델의 전반적인 정확도(Accuracy)를 떨어뜨릴 수 있다. '정확도와 공정성 사이의 트레이드오프'를 비즈니스 가치에 맞게 합의하는 의사결정이 기술보다 더 중요하다. - -## 🔗 지식 연결 (Graph) -- Related: [[AI-Ethics]] , [[Bias-Variance-Tradeoff]] -- Strategy: [[Reliability_Safety_First]] diff --git a/AI/Bias-Variance-Tradeoff.md b/AI/Bias-Variance-Tradeoff.md deleted file mode 100644 index 21093563..00000000 --- a/AI/Bias-Variance-Tradeoff.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-BIAS-VAR -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 1.0 -tags: [Bias Variance Tradeoff, Overfitting, Underfitting, Machine Learning] -last_reinforced: 2026-04-20 ---- - -# [[Bias-Variance-Tradeoff]] (편향-분산 트레이드오프) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "너무 단순해도, 너무 복잡해도 망한다." 모델이 데이터를 너무 대충 배워 생기는 오차(Bias)와, 너무 깐깐하게 배워 생기는 오차(Variance) 사이의 황금 밸런스를 찾는 머신러닝의 숙명적 과제다. - -## 📖 구조화된 지식 (Synthesized Content) -- **High Bias (Underfitting)**: - - 모델이 너무 단순하여 데이터의 본질적 패턴을 잡지 못함. (예: 곡선을 직선으로 설명하려 할 때) -- **High Variance (Overfitting)**: - - 모델이 너무 복잡하여 데이터의 노이즈까지 다 외워버림. 새로운 데이터를 넣으면 엉뚱한 결과가 나옴. -- **Total Error Reduction**: - - 편향과 분산의 합이 최소가 되는 지점이 바로 모델의 일반화 성능(Generalization)이 가장 높은 구간이다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 최근의 초거대 모델(LLM)들은 'Double Descent' 현상에 의해, 모델을 극한으로 키우면 오히려 분산이 다시 줄어들며 성능이 좋아지는 기이한 현상이 발견되고 있다. 이는 전통적인 트레이드오프 이론을 재정립하게 만들고 있다. - -## 🔗 지식 연결 (Graph) -- Related: [[Regularization-Techniques]] , [[Model-Optimization-Strategies]] -- Foundation: [[Computational Theory & Math/Information Theory]] diff --git a/AI/BioShock (2007).md b/AI/BioShock (2007).md deleted file mode 100644 index f2f4d10a..00000000 --- a/AI/BioShock (2007).md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-BIOSHOCK -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.98 -tags: [BioShock, Game AI, Immersive Sim, Narrative AI] -last_reinforced: 2026-04-20 ---- - -# [[BioShock-(2007)]] (바이오쇼크의 서사적 AI) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "생태계가 살아있는 것처럼 느껴지게 하라." 바이오쇼크의 AI는 플레이어를 사냥하는 적이 아니라, 자기들만의 규칙(Big Daddy-Little Sister)에 따라 살아가는 '유기적인 배우'들이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Ecological Interaction (생태계적 상호작용)**: - - AI가 플레이어에게만 반응하는 것이 아니라, 세계관 내의 다른 AI들과 특유의 관계(보호-수집)를 맺으며 독자적인 '상태 기계(FSM)'를 돌린다. -- **Environmental Narrative (환경적 서사)**: - - AI의 배치와 일상적인 행동 자체가 랩처(Rapture)라는 몰락한 도시의 비극을 설명하는 장치로 활용된다. -- **Emergent Gameplay**: - - 플라스미드(능력)와 AI의 속성이 충돌하며 플레이어가 예상치 못한 전략(예: 해킹된 터렛으로 빅대디 유인)을 창출하게 만든다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 지금 보면 바이오쇼크의 AI는 매우 단순한 규칙 기반 시스템이다. 하지만 '서사(Narrative)'와 결합했을 때, 그 단순함은 오히려 예측 가능한 몰입감을 제공했다. 현대의 비선형적 AI보다 '의도된 연출'이 게임 디자인에서 얼마나 강력한지 보여주는 사례다. - -## 🔗 지식 연결 (Graph) -- Related: [[BioShock-Critique]] , [[Game Design Theory]] -- Foundation: [[Collective-Intelligence]] diff --git a/AI/BioShock-Critique.md b/AI/BioShock-Critique.md deleted file mode 100644 index 4380ec76..00000000 --- a/AI/BioShock-Critique.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-BIOSHOCK-CRIT -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.96 -tags: [BioShock, Critique, Ludonarrative Dissonance, Game Design] -last_reinforced: 2026-04-20 ---- - -# [[BioShock-Critique]] (바이오쇼크 비평) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "이야기는 자유를 갈구하지만, 시스템은 살육을 강요한다." 루도내러티브 디스너넌스(Ludonarrative Dissonance)라는 용어를 대중화시킨 불완전한 걸작이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Ludonarrative Dissonance**: - - 대의(Objectivism 비판)를 말하는 서사와 닥치는 대로 자원을 약탈하고 살인하는 게임 시스템 간의 괴리. 클린트 호킹이 이 지점에서 바이오쇼크를 날카롭게 비판했다. -- **False Agency (거짓 주체성)**: - - "Would you kindly?" 반전은 플레이어의 선택이 실제로는 프로그래밍된 선형적 경로였음을 폭로하며, 게임 매체 자체의 본질을 메타적으로 공격한다. -- **Atmospheric Success**: - - 시스템적 모순에도 불구하고, 아르 데코 스타일과 사운드 디자인이 결합된 '공간의 힘'이 모든 단점을 압도하는 몰입감을 생성했다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 후속작인 `BioShock Infinite`에서는 이 디스너넌스가 더 심화되었다는 평이 많다. 이는 '서사를 중시하는 AAA 게임'이 가진 고질적인 한계(System vs Story)를 보여주는 지침석이다. - -## 🔗 지식 연결 (Graph) -- Related: [[BioShock (2007)]] , [[Game Design Theory]] -- Context: [[Behavioral-Economics]] diff --git a/AI/Bioenergetics.md b/AI/Bioenergetics.md deleted file mode 100644 index 25ae67f3..00000000 --- a/AI/Bioenergetics.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-SCI-BIOEN -category: "[[10_Wiki/💡 Topics/Science]]" -confidence_score: 0.95 -tags: [Bioenergetics, Metabolism, ATP, Thermodynamics] -last_reinforced: 2026-04-20 ---- - -# [[Bioenergetics]] (생체 에너지학) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 생명체는 '열역학 제2법칙(엔트로피 증가)'에 저항하여 에너지를 수집하고 변환함으로써 질서를 유지하는 경이로운 화학 공장이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **ATP (Adenosine Triphosphate)**: - - 생명체의 '에너지 통화'. 세포 내에서 모든 화학적 활동을 수행하기 위해 사용되는 충전지 같은 분자다. -- **Thermodynamics in Biology**: - - 생명체는 고립계가 아니므로 자유 에너지(Gibbs Free Energy)를 외부에서 섭취하여 상태를 유지한다. 이 과정의 효율성은 기계보다 압도적으로 높다. -- **Metabolism (신진대사)**: - - 에너지를 얻는 이화 작용(Catabolism)과 질서를 만드는 동화 작용(Anabolism)의 끊임없는 순환 과정. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 인공지능이 생명체의 에너지 효율을 모사하는 **Neuromorphic Computing** 연구가 활발하다. 현재 AI 모델은 생물학적 뇌보다 수백만 배 많은 에너지를 소모하므로, 생체 에너지학의 효율성 원리는 차세대 컴퓨팅의 영감이 된다. - -## 🔗 지식 연결 (Graph) -- Related: [[Information Theory]] , [[Complexity-Theory]] -- Application: [[Digital Twins]] diff --git a/AI/Bioinformatics-Structure-Prediction.md b/AI/Bioinformatics-Structure-Prediction.md deleted file mode 100644 index 4d5dacfc..00000000 --- a/AI/Bioinformatics-Structure-Prediction.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-SCI-BIOINFO -category: "[[10_Wiki/💡 Topics/Science]]" -confidence_score: 0.98 -tags: [Bioinformatics, AlphaFold, DNA Sequencing, Protein Structure] -last_reinforced: 2026-04-20 ---- - -# [[Bioinformatics-Structure-Prediction]] (바이오 인포매틱스와 구조 예측) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 생명과학의 난제인 '단백질 접힘(Protein Folding)' 문제를 딥러닝(AlphaFold)으로 해결함으로써, 신약 개발과 질병 정복의 속도를 100배 이상 가속화했다. - -## 📖 구조화된 지식 (Synthesized Content) -- **DNA to Structure**: - - DNA 서열 정보에서 단백질의 3D 입체 구조를 예측하는 것은 생물학의 성배였다. 이 구조가 결정되어야 약물이 어디에 결합할지(Docking) 알 수 있기 때문이다. -- **AlphaFold (DeepMind)**: - - 트랜스포머 아키텍처를 바이오 데이터에 이식하여 수십 년 걸리던 구조 분석을 단 며칠로 단축했다. 2억 개 이상의 단백질 구조 데이터를 전 세계에 공개하여 과학적 혁명을 일으켰다. -- **Genome Sequencing**: - - 대량의 염기 서열 데이터를 고속으로 처리하고 통계적으로 분석하여 유전병의 원인을 찾아내는 머신러닝 분석 기법. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 정적인 구조 예측을 넘어, 이제는 단백질이 시간에 따라 어떻게 움직이는지(Dynamics)를 예측하는 것이 다음 과제다. 이는 항암제와 같은 정밀 의료의 핵심이 된다. - -## 🔗 지식 연결 (Graph) -- Related: [[Digital Twins]] , [[Deep-Learning-Basics]] -- Foundation: [[Information Theory]] diff --git a/AI/Biological-Inspired-Algorithms.md b/AI/Biological-Inspired-Algorithms.md deleted file mode 100644 index a5ca8bd8..00000000 --- a/AI/Biological-Inspired-Algorithms.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-BIO-INSPIRED -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.99 -tags: [Bio-Inspired Algorithms, Genetic Algorithms, Ant Colony Optimization, Evolution] -last_reinforced: 2026-04-20 ---- - -# [[Biological-Inspired-Algorithms]] (생물 유래 알고리즘) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "자연은 수억 년 동안 검증된 최적화 라이브러리다." 진화, 군집 행동, 면역 체계 등 생물계의 생존 전략을 수학적으로 모델링하여 복잡한 공학적 난제를 해결하는 최적화 기법이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Genetic Algorithms (GA)**: - - 선택, 교차(Crossover), 변이(Mutation) 과정을 반복하며 가장 '적합한' 해를 찾아가는 다윈의 진화론 기반 알고리즘. -- **Swarm Intelligence (ACO/PSO)**: - - 개별 개체(개미, 새)는 단순하지만, 그들의 상호작용이 거대한 지능(최단 경로 찾기 등)을 만들어내는 현상을 이용한 최적화. -- **Neural Networks**: - - 뇌의 뉴런 연결 구조를 모방한 인공 신경망 역시 가장 거대한 생물 유래 알고리즘의 범주에 속한다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 자연 모방 알고리즘은 전역 최적해(Global Optimum)를 찾는 데 유용하지만, 수렴 속도가 느릴 수 있다. 따라서 최근에는 수학적인 경사 하강법과 하이브리드로 결합하여 '정밀도'와 '탐색 범위'를 동시에 잡는 추세다. - -## 🔗 지식 연결 (Graph) -- Related: [[Reinforcement-Learning]] , [[Algorithmic-Biology]] -- Strategy: [[Innovation-Management]] diff --git a/AI/Biomechanics-of-Injury.md b/AI/Biomechanics-of-Injury.md deleted file mode 100644 index 36160313..00000000 --- a/AI/Biomechanics-of-Injury.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-SCI-BIOMECH -category: "[[10_Wiki/💡 Topics/Science]]" -confidence_score: 0.96 -tags: [Biomechanics, Injury, Physics, Safety Engineering] -last_reinforced: 2026-04-20 ---- - -# [[Biomechanics-of-Injury]] (부상 생체역학) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 인체는 정교한 '기계적 구조물'이며, 외부 충격 시 물리적 에너지가 조직의 한계치를 넘어서는 과정(부상)을 수학적으로 모델링하여 생명을 보호한다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Kinematics & Kinetics**: - - 충돌 시 몸의 움직임(운동학)과 그 움직임을 유발하는 힘(운동역학)을 계산하여 뼈와 장기에 가해지는 부하를 예측한다. -- **Tolerance Limit (임계치)**: - - 각 신체 부위가 버틸 수 있는 최대 압력(Stress)과 변형률(Strain). 이를 넘어설 때 골절이나 파열이 발생하며, 차량 충돌 테스트 더미(Dummy)의 설계 기준이 된다. -- **HIC (Head Injury Criterion)**: - - 뇌진탕 등 머리 부상의 위험도를 가속도와 시간의 함수로 정량화한 지표. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 수동적인 보호 장치(에어백 등)를 넘어, 이제는 AI 시뮬레이션으로 수천 가지 사고 시나리오를 미리 돌려보고 부상을 획기적으로 줄이는 '액티브 세이프티(Active Safety)' 설계가 주류가 되고 있다. - -## 🔗 지식 연결 (Graph) -- Related: [[Autonomous-Vehicle-Path-Planning]] , [[Distributed-Systems-Engineering]] -- Application: [[Digital Twins]] diff --git a/AI/Biometrics.md b/AI/Biometrics.md deleted file mode 100644 index 5f4a6053..00000000 --- a/AI/Biometrics.md +++ /dev/null @@ -1,30 +0,0 @@ ---- -id: P-REINFORCE-SCI-BIOMETRIC -category: "[[10_Wiki/💡 Topics/Science]]" -confidence_score: 0.97 -tags: [Biometrics, Security, Authentication, Pattern Recognition] -last_reinforced: 2026-04-20 ---- - -# [[Biometrics]] (생체 인식 보안) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 비밀번호는 '내가 아는 것(What you know)'이지만, 생체 인식은 '나 자신(What you are)'을 증명하는 것이며 가장 보안이 강력하지만 복구 불가능한 인증 수단이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Physiological vs Behavioral**: - - **생리학적 특성**: 지문, 안면, 홍채, 정맥 패턴 등 고정된 신체적 특징. - - **행동적 특성**: 걸음걸이(Gait), 타이핑 리듬, 음성 등 개인이 가진 고유한 행동 패턴. -- **FAR vs FRR (보안의 저울질)**: - - **FAR (False Acceptance Rate)**: 타인을 나로 오인할 확률 (보안 위협). - - **FRR (False Rejection Rate)**: 나를 타인으로 오인할 확률 (사용자 불편). - - 이 두 지표가 만나는 지점(EER)을 최소화하는 것이 시스템 성능의 핵심이다. -- **Anti-spoofing (Liveness Detection)**: - - 사진이나 가짜 지문(Spoof)을 가려내기 위해 눈 깜빡임, 혈류 감지 등으로 실제 살아있는 신체인지 확인하는 기술. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 생체 정보는 한 번 유출되면 '비밀번호 변경'이 불가능하다. 따라서 생체 데이터를 서버에 날것으로 저장하지 않고, 암호화된 요약본(Hash)으로만 관리하는 분산 인증 프레임워크(FIDO)가 필수적이다. - -## 🔗 지식 연결 (Graph) -- Related: [[System_Protocol_Standard]] , [[Deployment_Final_Gate]] -- Foundation: [[Information Theory]] diff --git a/AI/Bloom-Filters.md b/AI/Bloom-Filters.md deleted file mode 100644 index 7237c2f5..00000000 --- a/AI/Bloom-Filters.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-BLOOM-FILTER -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 1.0 -tags: [Bloom Filters, Probabilistic Data Structure, Search Optimization, Hashing] -last_reinforced: 2026-04-20 ---- - -# [[Bloom-Filters]] (블룸 필터) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "없다는 것은 확실히 알지만, 있다는 것은 가끔 착각한다." 공간 효율성을 극대화한 확률적 자료구조로, 거대한 데이터 집합에서 특정 원소가 포함되어 있는지 '초고속'으로 확인하는 선별 장치다. - -## 📖 구조化된 지식 (Synthesized Content) -- **Probabilistic Membership**: - - "원소가 집합에 있는가?"에 대해 "없음"(100% 확실) 또는 "있을지도 모름"(False Positive 발생 가능)으로 답한다. -- **Space Efficiency**: - - 실제 원소를 저장하지 않고 해시 함수와 비트 배열(Bit Array)만 사용하므로, 메모리 사용량을 획기적으로 줄인다. -- **Use Cases**: - - 데이터베이스의 불필요한 디스크 읽기 방지, 악성 URL 차단 목록 확인, 대규모 네트워크 라우팅 등에서 전방 필터로 활약한다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 블룸 필터의 성능 관건은 False Positive 확률을 낮추는 것이다. 비트 배열의 크기와 해시 함수의 개수를 데이터 양에 맞게 정밀하게 계산하는 수학적 튜닝이 필수적이다. - -## 🔗 지식 연결 (Graph) -- Related: [[Hash-Functions]] , [[Big-Data-Processing]] -- Foundation: [[Computational Theory & Math/Information Theory]] diff --git a/AI/Boosting-Algorithms-XGBoost-LightGBM.md b/AI/Boosting-Algorithms-XGBoost-LightGBM.md deleted file mode 100644 index cb37c4bb..00000000 --- a/AI/Boosting-Algorithms-XGBoost-LightGBM.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-BOOSTING -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 1.0 -tags: [Boosting, XGBoost, LightGBM, Gradient Boosting, Machine Learning] -last_reinforced: 2026-04-20 ---- - -# [[Boosting-Algorithms-XGBoost-LightGBM]] (부스팅 알고리즘) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "오답 노트를 돌려보며 완벽해지는 군단." 약한 예측기(Weak Learners)를 순차적으로 학습시키되, 앞선 모델이 틀린 데이터에 가중치를 두어 성능을 계단식으로 끌어올리는 강력한 앙상블 기법이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Gradient Boosting (GBM)**: - - 잔여 오차(Residual Error)를 새로운 모델의 목표값으로 삼아 경사 하강법으로 오차를 줄여나가는 방식. -- **XGBoost (Extreme Gradient Boosting)**: - - GBM에 병렬 처리, 규제(Regularization) 기능을 더해 캐글(Kaggle) 등 데이터 경연 대회를 휩쓴 전설적인 라이브러리. -- **LightGBM**: - - 대규모 데이터셋에서 속도와 메모리 효율을 극대화한 알고리즘. 리프 중심(Leaf-wise) 분할 방식으로 더 깊고 정밀한 나무를 만든다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 부스팅 모델은 강력하지만 과적합(Overfitting)에 취약하다. 이를 위해 학습률(Learning rate)을 낮추고, 나무의 깊이를 제한하며, 조기 종료(Early stopping) 전략을 반드시 사용해야 한다. - -## 🔗 지식 연결 (Graph) -- Related: [[Decision-Tree]] , [[Bias-Variance-Tradeoff]] -- Tool: [[Data-Science-Toolkit]] diff --git a/AI/Bounded Contexts.md b/AI/Bounded Contexts.md deleted file mode 100644 index de273986..00000000 --- a/AI/Bounded Contexts.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-BOUNDED-CONTEXT -category: "[[10_Wiki/💡 Topics/Software Architecture]]" -confidence_score: 0.99 -tags: [DDD, Bounded Context, Software Architecture, Domain] -last_reinforced: 2026-04-20 ---- - -# [[Bounded-Contexts]] (제한된 맥락) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "모두를 위한 언어는 아무도 위한 언어가 아니다." 특정 도메인 내에서만 유효한 '의미의 경계'를 설정하여 복잡한 시스템을 명료하게 관리하는 DDD의 핵심 기법이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Linguistic Boundary (언어적 경계)**: - - 'Account'라는 단어가 '은행' 맥락에서는 계좌이지만, '로그인' 맥락에서는 유저 ID일 수 있다. 이 두 의미가 섞이지 않도록 코드와 모델의 영역을 물리적으로 나누는 것이 핵심이다. -- **Ubiquitous Language (보편적 언어)**: - - 특정 바운디드 컨텍스트 안에서는 개발자나 기획자나 똑같은 단어를 똑같은 의미로 사용해야 한다. -- **Context Mapping**: - - 서로 다른 컨텍스트들이 어떻게 데이터를 주고받는지(Shared Kernel, Anti-Corruption Layer 등)의 관계도를 그리는 작업. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 바운디드 컨텍스트를 너무 잘게 쪼개면 마이크로서비스(MSA)의 관리 복잡성(Distributed System complexity)이 폭발한다. 처음에는 '모놀리식'으로 시작하되, 도메인 경계가 명확해지는 시점에 분리하는 전략이 실용적이다. - -## 🔗 지식 연결 (Graph) -- Related: [[Domain-Driven Design (DDD)]] , [[Bounded-Contexts-and-Interface-Segregation]] -- Foundation: [[Clean-Architecture-Implementation]] diff --git a/AI/Bounded Rationality.md b/AI/Bounded Rationality.md deleted file mode 100644 index 9a165f4f..00000000 --- a/AI/Bounded Rationality.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-BOUNDED-RAT -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.98 -tags: [Bounded Rationality, Decision Theory, AI, Economics] -last_reinforced: 2026-04-20 ---- - -# [[Bounded-Rationality]] (제한적 합리성) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "완벽한 최선은 가능하지 않다. 그저 '충분히 좋은' 것에 만족할 뿐이다." 지능, 시간, 정보의 한계 속에서 내리는 실제적인 의사결정의 원리다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Satisficing (만족화)**: - - 헤르베르트 사이먼이 제안한 개념. 모든 대안을 전수 조사하는 '최적화' 대신, 자신의 기준(Threshold)을 넘는 첫 번째 대안을 선택하는 전략. -- **Cognitive Limits (인지적 한계)**: - - 인간이나 AI 시스템의 연산 능력은 제한되어 있으므로, 모든 변수를 고려하는 것은 물리적으로 불가능하다. -- **Heuristic Search**: - - 제한된 자원 내에서 해답을 찾기 위해 사용하는 '어림짐작'이나 '지름길' 알고리즘의 이론적 배경. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 현대 AI(LLM)는 방대한 데이터를 통해 인간보다 훨씬 넓은 합리성을 가진 것처럼 보이지만, 결국 '다음 단어 예측'이라는 확률적 휴리스틱에 기반하고 있다는 점에서 여전히 제한적 합리성의 틀 안에 있다. - -## 🔗 지식 연결 (Graph) -- Related: [[Cognitive-Biases]] , [[Behavioral-Economics]] -- Analysis: [[Complexity-Theory]] diff --git a/AI/Bounded-Contexts-and-Interface-Segregation.md b/AI/Bounded-Contexts-and-Interface-Segregation.md deleted file mode 100644 index 535ccfdc..00000000 --- a/AI/Bounded-Contexts-and-Interface-Segregation.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-ISP-DDD -category: "[[10_Wiki/💡 Topics/Software Architecture]]" -confidence_score: 0.97 -tags: [ISP, DDD, Bounded Context, SOLID] -last_reinforced: 2026-04-20 ---- - -# [[Bounded-Contexts-and-Interface-Segregation]] (맥락 분리와 인터페이스 격리) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "내가 쓰지 않는 기능에 의존하지 마라." 객체 지향의 ISP(인터페이스 분리 원칙)를 도메인 레벨(DDD)로 확장하여 시스템 간의 불필요한 결합을 원천 차단하는 설계 패턴이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Domain-Specific Interfaces**: - - 하나의 거대한 레포지토리 인터페이스 대신, 각 바운디드 컨텍스트가 필요로 하는 메서드만 정의된 작은 인터페이스로 쪼갠다. -- **Decoupling Boundaries**: - - 결제 맥락(Payment Context)은 유저 맥락(User Context)의 전체 정보를 알 필요가 없다. 결제에 필요한 최소한의 인터페이스만 노출시켜 변경에 강한 구조를 만든다. -- **Adhering to SOLID**: - - ISP를 준수함으로써 하나의 변화가 시스템 전체로 전파되는 '버터플라이 이펙트'를 제어한다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 인터페이스를 과도하게 분리하면 '관리 포인트'가 늘어난다. 실제 의존성이 발생하지 않는 단순 조회(CRUD) 시스템에서는 과도한 격리보다 단순한 데이터 모델 공유가 더 효율적일 수 있다. - -## 🔗 지식 연결 (Graph) -- Related: [[Bounded-Contexts]] , [[Clean-Architecture-Implementation]] -- Principles: [[React_Clean_Code_Best_Practices]] diff --git a/AI/Bounding-Box-Regression.md b/AI/Bounding-Box-Regression.md deleted file mode 100644 index a5fb366f..00000000 --- a/AI/Bounding-Box-Regression.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-BBOX -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 1.0 -tags: [Bounding Box Regression, Object Detection, Computer Vision, IoU] -last_reinforced: 2026-04-20 ---- - -# [[Bounding-Box-Regression]] (경계 박스 회귀) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "이미지 속 사물의 정확한 주소를 찾는 일." 물체가 어디에 있는지 대략적인 영역을 넘어, x, y, Width, Height라는 4개의 숫자를 정밀하게 예측하여 물체를 상자 안에 가두는 컴퓨터 비전의 핵심 기술이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Coordinate Prediction**: - - 신경망의 마지막 층에서 물체의 중심점 좌표와 크기를 연속적인 실수값으로 출력한다. -- **Intersection over Union (IoU)**: - - 예측한 박스와 실제 정답 박스가 얼마나 겹치는지(0~1 사이) 측정하여 박스의 정확도를 평가하는 지표. -- **Anchor Boxes**: - - 다양한 크기와 비율의 가이드라인(Anchor)을 미리 뿌려두고, 물체와 가장 비슷한 앵커를 세밀하게 조정(Offset)하여 최종 위치를 결정한다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 여러 물체가 겹쳐 있을 때 하나의 박스만 남겨야 하는 'Non-Maximum Suppression (NMS)' 과정이 성능에 큰 영향을 미친다. 최근에는 NMS 없이 직접 물체 집합을 예측하는 Transformer 기반(DETR) 방식이 각광받고 있다. - -## 🔗 지식 연결 (Graph) -- Related: [[Object-Detection]] , [[Convolutional-Neural-Networks-(CNN)]] -- Metric: [[Mean-Average-Precision-(mAP)]] diff --git a/AI/Brain-Derived Neurotrophic Factor (BDNF).md b/AI/Brain-Derived Neurotrophic Factor (BDNF).md deleted file mode 100644 index e624c577..00000000 --- a/AI/Brain-Derived Neurotrophic Factor (BDNF).md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-SCI-BDNF -category: "[[10_Wiki/💡 Topics/Science]]" -confidence_score: 0.98 -tags: [BDNF, Neuroscience, Brain Health, Cognitive] -last_reinforced: 2026-04-20 ---- - -# [[Brain-Derived-Neurotrophic-Factor-(BDNF)]] (뇌유래 신경영양인자) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "뇌를 위한 비료(Fertilizer)." BDNF는 시냅스의 가소성을 높여 학습 능력을 강화하고, 뇌가 늙지 않게 보호하는 마법의 단백질이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Neuroplasticity (신경 가소성)**: - - BDNF는 뉴런의 생존뿐만 아니라 새로운 뉴런의 생성(Neurogenesis)과 연결을 돕는다. 학습과 기억 형성의 생화학적 토대다. -- **Physical Exercise Connection**: - - 중강도 이상의 유산소 운동은 BDNF 수치를 즉각적으로 높인다. "공부가 안 될 땐 산책하라"는 조언의 과학적 근거다. -- **Cognitive Reserve (인지 예비능)**: - - 높은 BDNF 수치는 치매나 뇌 손상에 대응할 수 있는 '방어력'을 키워준다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 스트레스 호르몬인 코르티솔(Cortisol)은 BDNF의 생성을 억제한다. 따라서 고도의 인지 작업이 필요한 개발자에게 '번아웃 관리'는 단순히 휴식이 아니라 뇌 세척과 성장을 위한 필수 프로세스다. - -## 🔗 지식 연결 (Graph) -- Related: [[Cognitive-Neuroscience-of-Flow]] , [[Burnout-Prevention-in-Professional-Gaming]] -- Foundation: [[Information Theory]] diff --git a/AI/Branded-Types-for-Nominal-Typing.md b/AI/Branded-Types-for-Nominal-Typing.md deleted file mode 100644 index ca91a377..00000000 --- a/AI/Branded-Types-for-Nominal-Typing.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-6DAFA5 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Branded-Types-for-Nominal-Typing" ---- - -# [[Branded-Types-for-Nominal-Typing]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Branded-Types-for-Nominal-Typing.md]] ---- diff --git a/AI/Branded-Types.md b/AI/Branded-Types.md deleted file mode 100644 index f7748434..00000000 --- a/AI/Branded-Types.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-BRANDED-TYPES -category: "[[10_Wiki/💡 Topics/Programming & Language]]" -confidence_score: 0.99 -tags: [TypeScript, Branded Types, Nominal Typing, Type Safety] -last_reinforced: 2026-04-20 ---- - -# [[Branded-Types]] (브랜디드 타입) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "본질적으로 같은 `string`이라도, 유저 ID와 주문 ID는 엄격히 구분되어야 한다." 타입스크립트에 가짜 딱지를 붙여 '이름 기반 타입 시스템(Nominal Typing)'을 흉내 내는 고수의 기술이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Problem: Structural Typing**: - - 타입스크립트는 구조가 같으면 같은 타입으로 본다. `type UserId = string; type PostId = string;`일 때, 둘을 바꿔 써도 컴파일러는 잡지 못한다. -- **Solution: Intersecting with Unique Tag**: - - `type UserId = string & { __brand: "UserId" };` 처럼 실제 데이터에는 없지만 타입 세계에만 존재하는 고유 속성을 추가한다. -- **Type Guards**: - - 단순 캐스팅(`as UserId`)보다는 검증 함수를 거쳐야만 해당 타입을 얻을 수 있게 설계하여 데이터 무결성을 보장한다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 런타임에는 이 '낙인(Brand)'이 사라진다. 따라서 브랜디드 타입은 오직 컴파일 타임의 실수 방지용이다. 시스템이 매우 거대해져서 ID 값들이 혼동될 우려가 있는 엔터프라이즈급 프로젝트에서 그 가치가 증명된다. - -## 🔗 지식 연결 (Graph) -- Related: [[TypeScript_Type_Safety]] , [[Branded-Types-for-Nominal-Typing]] -- Foundation: [[Clean-Architecture-TypeScript]] diff --git a/AI/Burnout Prevention in Professional Gaming.md b/AI/Burnout Prevention in Professional Gaming.md deleted file mode 100644 index 632fa346..00000000 --- a/AI/Burnout Prevention in Professional Gaming.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-SCI-BURNOUT -category: "[[10_Wiki/💡 Topics/Science]]" -confidence_score: 0.96 -tags: [Burnout, Professional Gaming, Mental Health, Performance] -last_reinforced: 2026-04-20 ---- - -# [[Burnout-Prevention-in-Professional-Gaming]] (프로게이머 번아웃 방지) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "휴식도 훈련의 일부다." 0.1초의 반응 속도를 다투는 프로의 세계에서 뇌의 피로(Cognitive Fatigue)를 관리하지 못하는 것은 승리를 포기하는 것과 같다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Cognitive Fatigability (인지적 피로도)**: - - 고도의 집중력이 지속될 때 전전두엽의 포도당 소모가 급증하며 의사결정 속도가 저하된다. 이를 방지하기 위해 정기적인 'Mental Reset' 루틴이 필수적이다. -- **Dopamine Detox (도파민 디톡스)**: - - 게임의 강력한 시각적/청각적 자극에 노출된 뇌를 위해, 연습 시간 외에는 자극이 적은 환경(명상, 산책)을 제공하여 뇌의 보상 시스템을 안정화한다. -- **Sleep Hygiene (수면 위생)**: - - 렘(REM) 수면 단계에서 당일 학습한 전략과 반응 기술이 장기 기억으로 전이된다. 하루 7시간 이상의 규칙적인 수면은 가장 강력한 기술 향상 도구다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 무조건적인 연습 시간 증가는 오히려 '플래토(Plateau, 성체기)' 현상을 유발한다. 짧고 강렬한 '몰입 연습(Deliberate Practice)'과 완전한 단절을 동반한 휴식을 교차시키는 것이 롱런하는 선수의 공통점이다. - -## 🔗 지식 연결 (Graph) -- Related: [[Behavioral-Economics]] , [[Complexity-Theory]] -- Foundation: [[Information Theory]] diff --git a/AI/CI_CD 및 Pull Request 자동화 리뷰.md b/AI/CI_CD 및 Pull Request 자동화 리뷰.md deleted file mode 100644 index 7aaa50da..00000000 --- a/AI/CI_CD 및 Pull Request 자동화 리뷰.md +++ /dev/null @@ -1,33 +0,0 @@ ---- -id: P-REINFORCE-AUTO-877DCA -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - CI_CD 및 Pull Request 자동화 리뷰" ---- - -# [[CI_CD 및 Pull Request 자동화 리뷰]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> CI/CD 및 Pull Request(PR) 자동화 리뷰는 소프트웨어 개발 수명 주기(SDLC)에서 코드 병합 이전에 정적 분석 도구(SAST), 린터(Linter), AI 코드 리뷰 봇 등을 활용하여 취약점, 버그, 스타일 위반을 자동으로 검사하는 과정입니다 [1, 2]. 이를 통해 빠른 피드백 루프를 형성하고, 일관된 코드 품질 기준을 강제하며, CI/CD 파이프라인 내에서 품질 게이트(Quality Gate) 역할을 수행하여 인간 리뷰어의 피로도를 줄이고 보안과 품질을 극대화합니다 [3-6]. - -## 📖 구조화된 지식 (Synthesized Content) -* **파이프라인 통합 및 품질 게이트 (Quality Gates):** SonarQube, Snyk, CodeQL과 같은 자동화 분석 도구는 CI/CD 파이프라인 및 PR 워크플로우에 직접 통합됩니다 [1, 7-9]. PR이 생성되거나 코드가 푸시될 때 자동으로 검사를 실행하며, 사전 정의된 품질 게이트 규칙이나 심각도 임계값에 따라 PR 병합을 차단하거나 빌드를 실패하게 만들어 불량 코드가 프로덕션 환경에 도달하는 것을 원천적으로 방지합니다 [5, 10, 11]. -* **Pre-commit 단계의 선제적 자동화 (Husky & lint-staged):** CI 파이프라인 이전에 로컬 개발 환경에서 문제를 잡기 위해 Husky와 lint-staged를 주로 결합하여 사용합니다 [12, 13]. Husky는 `pre-commit`과 같은 Git 훅(Git hooks)을 중앙에서 관리하고, lint-staged는 변경되어 커밋 대기 중인 파일(staged files)에 대해서만 ESLint(정적 분석 및 린팅)와 Prettier(코드 포매팅)를 빠르게 실행합니다 [14-17]. 이를 통해 오류가 없거나 스타일 규칙을 준수한 코드만 커밋되도록 강제합니다 [16, 18]. -* **AI 기반 PR 자동 리뷰:** 최근의 자동화 리뷰 생태계는 생성형 AI와 머신러닝을 활용하여 PR 요약, 보안 취약점 식별, 자동 수정(Auto-fix) 코드 제안 기능을 PR 스레드 내에 직접 제공합니다 [19-21]. CodeRabbit, PR-Agent, Snyk Code, GitHub Copilot 등은 팀의 표준을 강제하며 개발자에게 실시간에 가까운 인라인 피드백을 제공하여 PR 주기 시간과 최초 리뷰 대기 시간(Time to first review)을 크게 단축시킵니다 [4, 22-25]. -* **수동 리뷰와의 하이브리드 병행 (Hybrid Approach):** 자동화된 리뷰는 구문 오류, 코드 스멜(Code smells), 널리 알려진 보안 결함 등을 빠르고 일관되게 검출하는 데 탁월하지만, 코드의 근본적인 의도나 비즈니스 로직, 아키텍처 맥락을 이해하는 데에는 한계가 존재합니다 [26-28]. 따라서 CI/CD 및 Git 훅을 통한 자동화 도구로 1차적인 기계적 검증을 처리하고, 인간 리뷰어는 아키텍처 설계, 보안 문맥, 비즈니스 로직 검증에 집중하는 '하이브리드 코드 리뷰'가 현재의 가장 이상적인 모범 사례로 꼽힙니다 [6, 11, 29, 30]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[Static Application Security Testing (SAST)]], [[Git Hooks]], [[AI Code Review]] -- **Projects/Contexts:** [[CI/CD Pipelines]], [[DevSecOps]] -- **Contradictions/Notes:** 소스들은 자동화된 리뷰 도구가 매우 빠르고 일관적이지만 인간 리뷰어를 완전히 대체할 수는 없다고 주장합니다. 자동화 도구나 AI 봇은 문맥 맹점(Context Blindness)이 있어 아키텍처 설계나 비즈니스 로직을 온전히 이해하지 못하므로, 기계가 루틴한 검사를 담당하고 사람은 고차원적인 판단을 내리는 하이브리드 방식이 필수적이라고 강조합니다 [28, 31, 32]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/CI_CD 및 Pull Request 자동화 리뷰.md]] ---- diff --git a/AI/CI_CD 파이프라인 및 IDE 통합 보안.md b/AI/CI_CD 파이프라인 및 IDE 통합 보안.md deleted file mode 100644 index a5e28903..00000000 --- a/AI/CI_CD 파이프라인 및 IDE 통합 보안.md +++ /dev/null @@ -1,32 +0,0 @@ ---- -id: P-REINFORCE-AUTO-F8BCE8 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - CI_CD 파이프라인 및 IDE 통합 보안" ---- - -# [[CI_CD 파이프라인 및 IDE 통합 보안]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> CI/CD 파이프라인 및 IDE 통합 보안은 소프트웨어 개발 프로세스 전반에 걸쳐 코드의 품질과 보안을 유지하기 위한 핵심 접근법입니다 [1], [2]. 개발자가 코드를 작성하는 IDE 환경과 코드가 병합 및 배포되는 CI/CD 워크플로우에 정적 분석(SAST) 및 자동화된 보안 검사 도구를 내장하여 실시간 피드백을 제공합니다 [3], [4]. 이를 통해 개발자는 코드의 결함과 취약점을 조기에 식별하고 수정할 수 있어 안전하고 효율적인 소프트웨어 개발 수명 주기(SDLC)를 확보할 수 있습니다 [5], [6]. - -## 📖 구조화된 지식 (Synthesized Content) -* **IDE 내 실시간 보안 검사:** SonarQube for IDE나 Snyk Code와 같은 플러그인은 Visual Studio, VS Code, JetBrains, Eclipse 등의 개발 환경에 직접 내장되어 작동합니다 [7], [8], [9]. 개발자가 코드를 작성하는 즉시 실시간으로 구문, 로직 및 보안 결함을 분석하여 즉각적인 피드백과 자동화된 수정 제안을 제공합니다 [7], [10]. 이를 통해 코드가 버전 관리 시스템에 커밋되기 전, 가장 이른 단계에서 보안 위험을 식별하고 제거할 수 있습니다 [11], [12]. -* **CI/CD 파이프라인 자동화 및 게이팅(Gating):** 코드가 풀 리퀘스트(Pull Request)나 브랜치에 푸시되어 빌드될 때, CI/CD 워크플로우 내에서 보안 스캔이 자동으로 실행됩니다 [5], [13], [9]. 조직은 심각도 임계값(Severity thresholds)이나 품질 게이트(Quality gates)를 설정하여, 기준을 충족하지 못하는 결함이나 보안 취약점이 발견되면 빌드를 실패하게 하거나 풀 리퀘스트 병합을 차단할 수 있습니다 [2], [14], [15], [16]. 이는 GitHub Actions, GitLab, Jenkins 등 다양한 DevOps 도구 체인과 긴밀하게 통합되어 이루어집니다 [4], [17], [15]. -* **시프트 레프트(Shift-Left) 및 규정 준수 강제:** IDE와 CI/CD 전반에 걸친 보안 통합은 취약점을 개발 과정의 초기에 발견하여 수정하는 '시프트 레프트' 보안 전략을 실현합니다 [11], [18]. 프로덕션 환경에 도달하기 전에 선제적으로 문제를 해결하므로 릴리스 이후 발생하는 결함을 수정하는 비용과 시간을 절감합니다 [6]. 또한, PCI, OWASP, CWE, STIG 등 주요 보안 및 규정 준수 표준을 조직 전체의 리포지토리와 팀에 일관되게 적용하고 강제할 수 있도록 지원합니다 [19], [20], [21], [22]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[SAST(정적 애플리케이션 보안 테스트)]], [[Shift-left(시프트 레프트)]], [[SDLC(소프트웨어 개발 수명 주기)]] -- **Projects/Contexts:** [[SonarQube]], [[Snyk Code]], [[DevSecOps]] -- **Contradictions/Notes:** 소스 내용 중 이 주제에 대한 명시적인 모순이나 반대 의견은 존재하지 않습니다. 모든 소스가 조기 발견(Shift-left)의 효율성 및 통합의 필요성에 동의하고 있습니다. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/CI_CD 파이프라인 및 IDE 통합 보안.md]] ---- diff --git a/AI/CI_CD.md b/AI/CI_CD.md deleted file mode 100644 index e8c5077f..00000000 --- a/AI/CI_CD.md +++ /dev/null @@ -1,33 +0,0 @@ ---- -id: P-REINFORCE-AUTO-CFCF20 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - CI_CD" ---- - -# [[CI_CD]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> CI/CD(Continuous Integration / Continuous Delivery)는 소프트웨어 개발 라이프사이클(SDLC) 전반에 걸쳐 코드의 빌드, 테스트, 병합 및 배포 과정을 자동화하는 워크플로우 파이프라인입니다 [1-3]. 주로 정적 애플리케이션 보안 테스트(SAST) 및 AI 코드 리뷰 도구와 결합하여 코드 결함과 보안 취약점을 프로덕션 배포 전에 조기에 발견하고 차단하는 역할을 합니다 [4-6]. 이를 통해 개발 팀은 품질 저하 없이 일관되고 빠른 소프트웨어 릴리스 주기를 유지할 수 있습니다 [7-9]. - -## 📖 구조화된 지식 (Synthesized Content) -* **자동화된 품질 및 보안 스캔 통합:** CI/CD 파이프라인은 SonarQube, Snyk, Qodana와 같은 정적 코드 분석(SAST) 도구 및 AI 기반 코드 리뷰 도구가 실행되는 주요 환경입니다 [2, 6, 10, 11]. 개발 환경에서 코드가 푸시되거나 풀 리퀘스트(PR)가 생성되면 파이프라인 내에서 스캔이 자동으로 트리거되어, 잠재적 버그, 보안 취약점, 유지보수성 문제 등을 찾아냅니다 [3, 12-14]. -* **품질 게이트(Quality Gate)를 통한 정책 시행:** 파이프라인 내부에는 특정 심각도 임계값(threshold)을 초과하는 결함이나 보안 취약점이 발견될 경우 빌드를 중단시키거나 코드 병합을 차단하는 품질 게이트가 존재합니다 [2, 13, 15, 16]. 이러한 장치는 불량 코드가 프로덕션 환경에 도달하는 것을 방지하는 강력한 가드레일 역할을 수행합니다 [14, 17, 18]. -* **신속한 피드백 루프와 성능 요구사항:** CI/CD에 스캔을 통합함으로써 개발자는 취약점에 대한 즉각적이고 시의적절한 피드백을 실시간에 가깝게 받을 수 있습니다 [7, 18, 19]. 하지만, 도구가 전체 코드베이스를 너무 오래 검사하여 파이프라인의 속도를 저하시키는 것은 큰 병목 현상을 유발할 수 있습니다 [9, 20]. 따라서 변경된 파일만 점검하거나 스캔 속도가 빠른 도구를 사용하여 CI/CD 파이프라인의 속도를 저해하지 않는 것이 중요합니다 [15, 21, 22]. -* **하이브리드 코드 리뷰 워크플로우의 기반:** CI/CD 파이프라인 내에서의 자동화된 검사(구문 오류, 스타일 위반, 알려진 취약점 등)는 개발 초기에 기계적인 오류를 신속히 잡아내므로, 이후 인간 리뷰어가 복잡한 아키텍처나 비즈니스 로직 검토에 온전히 집중할 수 있도록 돕는 다층적(Hybrid) 코드 리뷰 프로세스의 핵심 기반으로 작용합니다 [14, 16, 23]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[SAST]], [[Quality Gate]], [[Pull Request]], [[Automated Code Review]] -- **Projects/Contexts:** 보안 스캔을 개발 워크플로우에 통합하기 위해 자주 사용되는 [[SonarQube Cloud]], [[Snyk Code]], [[Qodana]], [[GitHub Actions]] 기반 파이프라인 환경. -- **Contradictions/Notes:** 소스 문헌들은 CI/CD를 통한 자동화 검사가 빠르고 일관된 피드백을 제공하여 보안을 크게 향상시킨다고 주장하지만 [8], 자동화 도구는 비즈니스 로직이나 코드의 의도(Context)를 완전히 이해하지 못해 오탐(False Positive)을 유발할 수 있는 한계가 있으므로 파이프라인 자동화에만 의존해서는 안 되며 반드시 수동 리뷰와 결합해야 한다고 조언합니다 [14, 24, 25]. - ---- -*Last updated: 2026-04-18* -- Raw Source: [[00_Raw/2026-04-20/CI_CD.md]] ---- diff --git a/AI/CPTED.md b/AI/CPTED.md deleted file mode 100644 index 7f789558..00000000 --- a/AI/CPTED.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-9984E9 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - CPTED" ---- - -# [[CPTED]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/CPTED.md]] ---- diff --git a/AI/CV_Synthesis.md b/AI/CV_Synthesis.md deleted file mode 100644 index 4680510f..00000000 --- a/AI/CV_Synthesis.md +++ /dev/null @@ -1,29 +0,0 @@ ---- -id: P-REINFORCE-AI-002 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.95 -tags: [ai, graphics, nerf, synthesis] -last_reinforced: 2026-04-20 -github_commit: "batch-reinforce-03" ---- - -# [[Computer Vision Synthesis]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 정적 이미지 분석을 넘어 새로운 시점과 현실적인 영상을 생성해내는 '창조적 비전'의 영역. - -## 📖 구조화된 지식 (Synthesized Content) -- **추출된 패턴:** NeRF(Neural Radiance Fields)와 같은 미분 가능한 렌더링 기법을 통해 2D 이미지로부터 3D 씬을 재구성하고 합성하는 패턴. -- **세부 내용:** - - View Synthesis: 다른 각도에서 본 물체나 풍경을 사실적으로 생성. - - Generative Models: GAN 및 Diffusion 모델을 활용한 고해상도 이미지 합성. - - 3DGS(Gaussian Splatting)와의 기술적 접점 및 실시간성 확보. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 단순 텍스처 매핑 기반 모델링에서 신경망 보간(Interpolation) 기반 합성으로의 전환. -- **정책 변화:** 성능(w1) 대비 품질의 균형점을 NeRF 계열 지식 중심으로 재편. - -## 🔗 지식 연결 (Graph) -- **Parent:** [[10_Wiki/💡 Topics/AI]] -- **Related:** [[NeRF]], [[3D_Gaussian_Splatting]], [[Generative-AI]] -- **Raw Source:** [[00_Raw/2026-04-20/Computer-Vision-Synthesis.md]] diff --git a/AI/Caliskan-Islam 등의 프로그램 바이너리 작성자 식별 연구.md b/AI/Caliskan-Islam 등의 프로그램 바이너리 작성자 식별 연구.md deleted file mode 100644 index 61426348..00000000 --- a/AI/Caliskan-Islam 등의 프로그램 바이너리 작성자 식별 연구.md +++ /dev/null @@ -1,39 +0,0 @@ ---- -id: P-REINFORCE-AUTO-0C1C8B -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Caliskan-Islam 등의 프로그램 바이너리 작성자 식별 연구" ---- - -# [[Caliskan-Islam 등의 프로그램 바이너리 작성자 식별 연구]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -* **특징 추출 (Feature Extraction):** - 이 연구는 하이브리드 방식을 취하여 다양한 수준에서 프로그램의 특징을 추출했습니다. Netwide 및 Radare2 역어셈블러를 통해 어셈블리 코드 n-그램, 제어 흐름 그래프(CFG) 블록 유니그램 및 바이그램을 추출했습니다 [1, 2]. 또한 IDA Pro와 Hex-Rays 역컴파일러로 얻은 코드에서 단어 유니그램 및 라이브러리/내부 함수 이름을 추출하고, Joern 파서를 이용해 구문 분석을 수행하여 노드 유형 유니그램 같은 AST 기반의 특징도 활용했습니다 [1, 2]. -* **특징 차원 축소 (Feature Reduction):** - 초기에는 750,000개라는 방대하고 희소성(sparse)이 높은 특징 세트가 생성되었습니다. 랜덤 포레스트 훈련에 있어 희소성이 문제가 되자, 저자들은 이전 소스 코드 스타일로메트리 연구에서처럼 정보 이득(Information gain)을 기반으로 한 특징 선택 기법을 적용했습니다 [2]. 이를 통해 특징 차원을 2,000개 미만으로 줄였으며, 그 결과 분류 성공률이 30%에서 90%로 대폭 향상되었습니다 [2]. -* **통제된 환경에서의 식별 성능 (Google Code Jam 데이터):** - 구글 코드 잼의 C++ 제출 코드를 바탕으로 동일한 9개 문제를 푼 프로그래머 100명의 데이터를 평가했습니다. 500개의 트리로 구성된 랜덤 포레스트 분류기를 사용하여 9겹 교차 검증(9-fold cross-validation)을 진행한 결과, 축소된 특징 세트로 89.8%의 정확도를 달성했습니다 [2, 3]. 겹치지 않는 다른 100명 그룹에 적용했을 때도 92.8%의 정확도를 보였으며, 작성자 수를 600명으로 확대했을 때도 78.1%라는 비교적 높은 정확도를 유지했습니다 [3]. -* **야생(In the wild) 환경에서의 식별 성능 (GitHub 데이터):** - 실제 오픈소스 환경에서의 식별 가능성을 확인하기 위해 단일 기여자로 이루어진 GitHub의 C/C++ 저장소를 대상으로 테스트했습니다 [3, 4]. 복사된 코드나 라이브러리의 노이즈를 수작업으로 필터링한 후, 파일 수가 6~15개인 50명의 프로그래머 집단을 대상으로 실험했을 때 60.1%의 정확도를 기록했습니다 [3, 4]. -* **컴파일 최적화 및 난독화의 영향:** - 최적화 레벨 3을 적용한 컴파일 환경에서는 100명의 작성자를 대상으로 한 정확도가 85.7%로 다소 감소했으며, 심볼(Symbol) 정보를 완전히 제거한 경우에는 정확도가 23%나 급락했습니다 [3]. 그러나 Obfuscator-LLVM과 같은 도구를 통한 전문적인 난독화를 적용했을 때는 정확도 하락 폭이 단 3.6%에 불과하여, 작성자의 특정 코딩 스타일 패턴이 강력하게 유지됨을 확인했습니다 [3]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[Code Stylometry]], [[Random Forest]], [[Abstract Syntax Tree (AST)]], [[Control Flow Graph (CFG)]] -- **Projects/Contexts:** [[Google Code Jam]], [[GitHub]] -- **Contradictions/Notes:** 소스 [2, 3]에 따르면, 초기 75만 개의 특징을 그대로 머신러닝에 투입했을 때는 성능이 30%에 그쳤으나, 정보 이득(Information gain)을 사용하여 특징을 2,000개 미만으로 대폭 줄였음에도 불구하고 정확도가 90% 근방으로 상승하는 반직관적인 결과를 보였습니다. 또한 심볼 정보 제거는 23%의 뚜렷한 성능 저하를 일으켰으나, 본격적인 소스 코드 난독화(Obfuscator-LLVM)는 식별 성능을 겨우 3.6%만 낮췄다는 흥미로운 점을 발견했습니다 [3]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/Caliskan-Islam 등의 프로그램 바이너리 작성자 식별 연구.md]] ---- diff --git a/AI/Call Stack.md b/AI/Call Stack.md deleted file mode 100644 index fa4eed17..00000000 --- a/AI/Call Stack.md +++ /dev/null @@ -1,30 +0,0 @@ ---- -id: P-REINFORCE-AUTO-081DEE -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Call Stack" ---- - -# [[Call Stack]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 콜 스택(Call Stack)은 Chrome DevTools의 성능(Performance) 분석 패널에서 페이지 실행 중 호출된 함수들의 계층 구조와 연쇄적인 실행 순서를 나타내는 요소입니다 [1-3]. 플레임 차트(Flame chart)나 Call Tree와 같은 시각적 도구를 통해 어떤 상위 이벤트가 하위 이벤트를 발생시켰는지 그 인과 관계를 보여줍니다 [1, 3, 4]. 이를 통해 개발자는 런타임 성능을 저하시키는 가장 무거운 스택이나 불필요한 자바스크립트 함수 호출 과정을 추적할 수 있습니다 [2, 5]. - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[Chrome DevTools]], [[Flame Chart]], [[Performance Panel]] -- **Projects/Contexts:** [[Analyze runtime performance]] -- **Contradictions/Notes:** 소스에 제공된 콜 스택 관련 내용은 일반적인 프로그래밍 이론보다는 전적으로 Chrome DevTools의 런타임 성능 분석(Performance panel) 맥락에서만 설명되어 있습니다. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/Call Stack.md]] ---- diff --git a/AI/Central-Pattern-Generators.md b/AI/Central-Pattern-Generators.md deleted file mode 100644 index 7c6ec523..00000000 --- a/AI/Central-Pattern-Generators.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-CPG -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.96 -tags: [CPG, Robotics, Neuroscience, Locomotion] -last_reinforced: 2026-04-20 ---- - -# [[Central-Pattern-Generators]] (중추 패턴 생성기 CPG) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 뇌의 복잡한 연산 없이도 척수 수준에서 리듬감 있는 동작(걷기, 수영, 비행)을 자동으로 만들어내는 생체 회로의 신비다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Neural Oscillators (신경 진동자)**: - - 외부의 지속적인 입력이 없어도 스스로 리드미컬한 신호를 만들어내는 뉴런의 집단. 생명체의 보행을 제어하는 핵심 엔진이다. -- **Robotics Application**: - - 로봇이 험지에서 매 순간 계산을 통해 걷는 대신, CPG 모델을 적용하여 자연스러운 반사 신경(Reflex)처럼 장애물을 넘게 만드는 방식. -- **Distributed Control (분산 제어)**: - - 중앙 집중 스케줄러가 아닌, 각 다리나 마디가 고유의 진동자를 가지고 서로 동기화(Synchronization)되어 전체의 조화를 이루는 구조. - -## ⚠️ 모순 및 업데이트 (RL Update) -- CPG만으로는 복잡한 환경 변화에 대응하기 어렵다. 따라서 상위 레벨의 강화학습(RL)이 방향과 속도를 결정하고, 하위 레벨의 CPG가 실제 관절 리듬을 담당하는 계층적 제어(Hierarchical Control)가 현대 로보틱스의 정석이다. - -## 🔗 지식 연결 (Graph) -- Related: [[Robotic Manipulation]] , [[Autonomous-Vehicle-Path-Planning]] -- Foundation: [[Systemic_Simulation_Principles]] diff --git a/AI/CesiumJS.md b/AI/CesiumJS.md deleted file mode 100644 index 07d94958..00000000 --- a/AI/CesiumJS.md +++ /dev/null @@ -1,34 +0,0 @@ ---- -id: P-REINFORCE-AUTO-39CDC5 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - CesiumJS" ---- - -# [[CesiumJS]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> CesiumJS는 웹을 위한 오픈 소스 3D 시각화 엔진으로, 주로 대규모 지형 공간 데이터의 시각화를 선도하는 기술입니다 [1, 2]. 3D 타일(3D Tiles), 지형(terrain), 위성 이미지 등 방대한 양의 3D 콘텐츠를 스트리밍하고 렌더링하는 데 활용됩니다 [1, 2]. 지표면에서 우주 공간에 이르는 거대한 가상 세계를 효율적으로 처리하기 위해 z-파이팅(z-fighting)을 방지하는 다중 절두체(multiple frustums) 및 명시적 렌더링(explicit rendering)과 같은 독자적인 WebGL 렌더링 파이프라인을 구축하고 있습니다 [3, 4]. - -## 📖 구조화된 지식 (Synthesized Content) -- **렌더링 파이프라인 및 다중 절두체 (Multiple Frustums):** CesiumJS는 다양한 광원을 처리하는 씬이 드물기 때문에 전통적인 포워드 셰이딩(forward-shading) 파이프라인을 사용합니다 [4]. 특히 거대한 가시거리를 지원하면서 멀리 있는 객체 간의 z-파이팅(z-fighting) 아티팩트를 피하기 위해 뷰 볼륨을 여러 개의 절두체로 분할하여 관리하는 독특한 방식을 사용합니다 [3, 4]. 가장 먼 절두체부터 시작하여 매번 깊이 버퍼를 지우면서 순차적으로 명령을 실행합니다 [5]. -- **Scene.render와 Primitive 관리:** 프레임 렌더링의 핵심인 `Scene.render`는 애니메이션, 업데이트, 렌더링의 파이프라인을 관리합니다 [4, 6]. 업데이트 단계에서 씬의 기본 요소(Primitive, 예: 지형과 이미지를 처리하는 Globe 엔진)들이 WebGL 리소스를 생성하거나 업데이트하고, `DrawCommand` 객체 목록을 반환합니다 [7, 8]. 이 중 가시성 테스트를 통과한 '잠재적 가시 집합(Potentially Visible Set)'만이 파이프라인을 따라 렌더링됩니다 [8]. -- **투명도 처리 (OIT) 및 정렬:** 절두체 내에서 불투명(opaque) 명령을 먼저 실행한 후 반투명(translucent) 명령을 실행합니다 [5]. 하드웨어가 부동 소수점 텍스처를 지원하는 경우, 순서 비의존 투명도([[Order-Independent Transparency (OIT)]]) 기법을 적용하여 겹치는 반투명 객체의 시각적 품질을 높이고 CPU 정렬 오버헤드를 방지합니다 [5]. -- **명시적 렌더링 (Explicit Rendering / requestRenderMode):** 지속적으로 프레임을 렌더링하는 대신, 성능을 최적화하기 위해 `requestRenderMode` 기능을 지원합니다 [9]. 이 모드가 활성화되면 카메라 이동, 시뮬레이션 시간 변경, 또는 새로운 데이터(3D 타일 등)가 로드될 때만 명시적으로 새 프레임을 렌더링합니다 [9, 10]. 이를 통해 유휴 상태(idle)에서 CPU 사용률을 25.1%에서 3.0% 수준으로 크게 절약할 수 있습니다 [10, 11]. -- **가우시안 스플래팅(Gaussian Splatting) 이슈:** 최근 가우시안 스플랫 렌더링 시 대규모 데이터셋 처리 과정에서 여러 프레임에 걸친 깊이 정렬 수행 중 프로미스 간섭(promise interference)으로 인한 WebGL 오류와 미세 지연(micro-stuttering) 현상이 보고된 바 있습니다 [12-14]. 여러 개의 프로미스 체인이 중첩되면서 정렬 결과를 오염시켜 모델이 깜빡이거나 사라지는 문제를 유발합니다 [12, 14]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[WebGL]], [[3D Tiles]], [[Order-Independent Transparency (OIT)]], [[Gaussian Splatting]], [[Multiple Frustums]] -- **Projects/Contexts:** [[Geospatial Visualization]], [[requestRenderMode]] -- **Contradictions/Notes:** 소스에 따르면, Cesium팀은 엔진을 지속적으로 최적화하고 있음에도 불구하고 OIT 및 지형 깊이 버퍼를 위한 전체 화면 패스(fullscreen passes) 기능이 추가되면서 채우기 속도(fillrate)가 제한된 환경에서는 구버전(예: 1.1)에 비해 최신 버전(예: 1.10)의 평균 프레임 속도(FPS)가 오히려 감소하는 사례가 보고되기도 했습니다 [15, 16]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/CesiumJS.md]] ---- diff --git a/AI/Chain-of-Thought (CoT 罽).md b/AI/Chain-of-Thought (CoT 罽).md deleted file mode 100644 index 9b03c5ba..00000000 --- a/AI/Chain-of-Thought (CoT 罽).md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-COT -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.99 -tags: [LLM, Chain-of-Thought, CoT, Inference, Search] -last_reinforced: 2026-04-20 ---- - -# [[Chain-of-Thought]] (사고의 사슬 CoT) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 거대 언어 모델에게 "생각해 봐"라고 한마디 하는 것만으로도, 문제를 단계적으로 분해하여 정답 도출 가능성을 비약적으로 높이는 추론의 기적이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Step-by-Step Reasoning**: - - 질문에 바로 답하지 않고, 중간 과정(Rationales)을 텍스트로 먼저 생성하게 유도함으로써 모델이 자신의 이전 출력을 다음 추론의 근거로 활용하게 하는 기법. -- **Zero-shot CoT**: - - 프롬프트 끝에 "Let's think step by step"이라는 문구만 추가해도 상식 추론과 수학 문제 해결 능력이 폭발적으로 증가한다. -- **Self-Consistency**: - - 여러 개의 CoT 경로를 생성하게 하여 가장 공통적으로 도출된 결론을 정답으로 선택하는 기법. - -## ⚠️ 모순 및 업데이트 (RL Update) -- CoT는 항상 유리하지 않다. 단순 사실 확인 문제에서는 오히려 불필요한 텍스트 생성으로 인해 에러(Hallucination)가 발생할 확률이 있다. 최근에는 이를 고도화한 `Tree-of-Thoughts (ToT)` 또는 `OpenAI o1`처럼 내부적으로 강화학습을 통해 최적의 사고 경로를 찾는 모델로 진화 중이다. - -## 🔗 지식 연결 (Graph) -- Related: [[Best-of-N-Sampling]] , [[Automated-Reasoning]] -- Foundation: [[Information Theory]] diff --git a/AI/Chain-of-Thought (CoT 사고 사슬).md b/AI/Chain-of-Thought (CoT 사고 사슬).md deleted file mode 100644 index 35e3193e..00000000 --- a/AI/Chain-of-Thought (CoT 사고 사슬).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-550B46 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Chain-of-Thought (CoT 사고 사슬)" ---- - -# [[Chain-of-Thought (CoT 사고 사슬)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Chain-of-Thought (CoT, 사고 사슬).md]] ---- diff --git a/AI/Chrome DevTools Memory Profiling.md b/AI/Chrome DevTools Memory Profiling.md deleted file mode 100644 index 16163032..00000000 --- a/AI/Chrome DevTools Memory Profiling.md +++ /dev/null @@ -1,43 +0,0 @@ ---- -id: P-REINFORCE-AUTO-B1B522 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Chrome DevTools Memory Profiling" ---- - -# [[Chrome DevTools Memory Profiling]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> Chrome DevTools Memory Profiling은 JavaScript 애플리케이션 및 브라우저에서 발생하는 메모리 누수를 감지하고 분석하기 위한 분석 도구 모음입니다 [1, 2]. 주로 DevTools의 Memory 패널을 통해 제공되며, 객체의 메모리 할당 시점, 유지(Retaining) 경로, 가비지 컬렉션 여부를 시각적으로 추적하여 정상적으로 정리되지 않은 객체를 식별합니다 [3-6]. 이를 통해 개발자는 메모리 힙(Heap) 상태를 정밀하게 분석하고 메모리 부족 현상이나 성능 저하를 유발하는 코드의 근본 원인을 파악할 수 있습니다 [7-9]. - -## 📖 구조화된 지식 (Synthesized Content) -* **핵심 프로파일링 도구 (Memory Panel Tools):** - * **Heap Snapshot (힙 스냅샷):** 특정 시점의 전체 메모리 객체 그래프를 캡처하는 도구입니다 [3, 10]. 의심되는 작업 전, 작업 중, 작업 후의 세 번의 스냅샷을 찍어 비교하는 '3-스냅샷 기법(three-snapshot technique)'을 통해 일회성 할당을 필터링하고 실제 누수 후보를 안정적으로 식별할 수 있습니다 [7, 11]. 제공되는 뷰(View)에는 생성자별로 객체를 묶어 크기를 보여주는 Summary, 두 스냅샷 간의 차이를 보여주는 Comparison, 애플리케이션 구조를 조감도로 보여주는 Containment, 메모리 할당의 파이 차트를 보여주는 Statistics 등이 있습니다 [9]. - * **Allocation instrumentation on timeline (타임라인의 할당 계측):** 일정 기간 동안의 모든 메모리 할당을 스택 트레이스와 함께 기록하며, 최소 50ms 간격으로 스냅샷을 주기적으로 캡처합니다 [3, 12, 13]. 타임라인에서 파란색 막대는 기록 종료 시점까지 여전히 살아있는 객체(누수 후보)를 의미하며, 회색 막대는 할당 후 이미 가비지 컬렉션된 객체를 의미합니다 [3, 4, 14, 15]. - * **Allocation sampling (할당 샘플링):** 전체 할당 추적보다 오버헤드가 적은 통계적 샘플링 방법으로, 프로덕션 환경의 프로파일링에 적합합니다 [16]. - -* **주요 지표 및 분석 개념:** - * **Shallow Size vs. Retained Size:** 'Shallow size'는 객체 자체가 독립적으로 차지하는 메모리 크기(일반적으로 문자열이나 배열이 큼)이며, 'Retained size'는 해당 객체를 삭제하여 참조가 끊어졌을 때 가비지 컬렉터를 통해 확보할 수 있는 총 메모리 크기를 의미합니다 [17]. - * **Retainers (유지 경로):** 특정 객체를 메모리에 살아있게 만들어 가비지 컬렉션을 방해하는 참조 체인을 보여줍니다 [3, 6]. 개발자는 이 트리를 확인하여 어떤 참조가 메모리 누수를 유발하는지 파악할 수 있습니다 [8, 18]. - * **객체 ID (Object ID):** 객체 이름 뒤에 붙는 `@` 기호와 숫자는 고유 ID로, 가비지 컬렉션 과정에서 객체가 이동하더라도 변하지 않아 여러 스냅샷에 걸쳐 특정 객체의 상태를 정확하게 추적 및 비교할 수 있게 해줍니다 [12, 19, 20]. - -* **프로파일링을 통해 식별되는 주요 메모리 누수 패턴:** - * 문서(DOM)에서는 제거되었으나 자바스크립트 변수, Map/Set, 또는 클로저 등에 의해 여전히 참조되고 있는 분리된 DOM 노드(Detached DOM nodes) [16, 21, 22]. - * 생명 주기에 맞게 제거되지 않고 반복적으로 쌓이는 이벤트 리스너(Event listener accumulation) 및 잊혀진 타이머나 옵저버(Forgotten timers and observers) [23, 24]. - * 여러 클로저가 스코프를 공유할 때, 큰 데이터를 캡처한 변수를 다른 클로저의 수명 때문에 메모리에서 해제하지 못하는 클로저 스코프 보존(Closure scope retention) [23]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[Heap Snapshot]], [[Allocation Timeline]], [[Garbage Collection]], [[Retaining Path]], [[Shallow Size and Retained Size]] -- **Projects/Contexts:** [[V8 Engine Memory Management]], [[Browser Memory Leak Detection]] -- **Contradictions/Notes:** 소스 간의 직접적인 모순은 없습니다. 다만, 실무적 주의사항으로 `console.log`가 평가된 객체에 대한 참조를 계속 유지하여 가짜 양성(false positive)의 메모리 누수를 표시할 수 있으므로, 메모리 누수 조사 중에는 콘솔을 지우거나 큰 객체 기록을 피해야 한다고 경고하고 있습니다 [21, 25]. 또한 코드의 난독화(Minified code) 때문에 Retainer 체인을 읽기 어려울 수 있으므로, 의미 있는 함수/변수 명을 보려면 소스 맵(Source maps)을 활성화해야 합니다 [25]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/Chrome DevTools Memory Profiling.md]] ---- diff --git a/AI/Chrome DevTools 메모리 분석 및 성능 최적화.md b/AI/Chrome DevTools 메모리 분석 및 성능 최적화.md deleted file mode 100644 index e1ad3672..00000000 --- a/AI/Chrome DevTools 메모리 분석 및 성능 최적화.md +++ /dev/null @@ -1,30 +0,0 @@ ---- -id: P-REINFORCE-AUTO-9DC3E3 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Chrome DevTools 메모리 분석 및 성능 최적화" ---- - -# [[Chrome DevTools 메모리 분석 및 성능 최적화]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> Chrome DevTools는 웹 및 Node.js 애플리케이션의 메모리 누수를 감지하고 성능을 최적화하기 위한 강력한 메모리 분석 도구를 제공한다 [1, 2]. 핵심 기능으로는 특정 시점의 메모리 상태를 캡처하는 힙 스냅샷(Heap snapshot), 시간에 따른 객체 할당을 추적하는 할당 타임라인(Allocation timeline), 그리고 통계적 샘플링 방식의 할당 샘플링(Allocation sampling)이 있다 [3, 4]. 개발자는 이러한 도구를 사용하여 가비지 컬렉션(GC) 이후에도 메모리에 남아있는 객체와 그 참조 경로(Retaining path)를 식별함으로써, 메모리 누수와 성능 저하의 근본 원인을 파악하고 코드를 최적화할 수 있다 [1, 3, 5, 6]. - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[가비지 컬렉션(Garbage Collection)]], [[V8 JavaScript Engine]], [[힙 메모리(Heap Memory)]], [[메모리 누수(Memory Leak)]], [[Retainers(유지 경로)]] -- **Projects/Contexts:** [[Node.js 프로덕션 메모리 병목 분석]], [[SPA 라우트 전환 성능 최적화]] -- **Contradictions/Notes:** DevTools의 콘솔(Console)에 `console.log`를 통해 출력된 객체는 콘솔에 의해 지속적으로 참조가 유지되므로 가비지 컬렉션의 대상이 되지 않는다. 따라서 메모리 누수를 정확히 조사할 때는 대형 객체의 로깅을 피하거나 콘솔을 비워야 한다 [18]. 더불어, 원시 데이터인 숫자(Number)와 같은 비문자열 값은 캡처되지 않으며, 원시 힙 데이터에는 수많은 V8 내부 객체도 포함되어 있어 분석 시 "Constructor" 필터를 적용해 애플리케이션 객체에만 집중하는 것이 좋다 [9, 18]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/Chrome DevTools 메모리 분석 및 성능 최적화.md]] ---- diff --git a/AI/Chrome DevTools 메모리 프로파일링 및 힙 스냅샷 분석.md b/AI/Chrome DevTools 메모리 프로파일링 및 힙 스냅샷 분석.md deleted file mode 100644 index b8d226d8..00000000 --- a/AI/Chrome DevTools 메모리 프로파일링 및 힙 스냅샷 분석.md +++ /dev/null @@ -1,54 +0,0 @@ ---- -id: P-REINFORCE-AUTO-EF52CE -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Chrome DevTools 메모리 프로파일링 및 힙 스냅샷 분석" ---- - -# [[Chrome DevTools 메모리 프로파일링 및 힙 스냅샷 분석]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> Chrome DevTools의 메모리 프로파일링 및 힙 스냅샷 분석은 웹 애플리케이션 및 Node.js 환경에서 발생하는 메모리 누수를 찾아내고 객체의 보존 상태를 파악하는 데 사용되는 핵심 디버깅 기법입니다. 메모리 패널은 전체 객체 그래프를 캡처하는 힙 스냅샷, 시간에 따른 할당을 추적하는 타임라인 계측, 그리고 프로덕션에 적합한 샘플링 도구를 제공합니다. 개발자는 이러한 도구와 객체의 참조 체인(Retaining path)을 분석하여 가비지 컬렉터(GC)에 의해 해제되어야 할 객체가 왜 메모리에 남아있는지 근본 원인을 파악할 수 있습니다. - -## 📖 구조화된 지식 (Synthesized Content) -- **DevTools 메모리 패널의 핵심 도구** - Chrome DevTools의 Memory 패널은 주로 세 가지 분석 도구를 제공합니다. - 1. **Heap snapshot (힙 스냅샷):** 특정 시점의 전체 객체 그래프를 캡처합니다 [1]. - 2. **Allocation instrumentation on timeline (타임라인에 할당 계측):** 특정 기간 동안의 모든 메모리 할당과 스택 트레이스를 기록합니다 [1]. 기록을 시작하면 50ms마다 힙 스냅샷을 주기적으로 캡처하고 기록이 끝날 때 최종 스냅샷을 생성합니다 [2, 3]. - 3. **Allocation sampling (할당 샘플링):** 전체 계측을 수행하는 대신 통계적 샘플링을 사용하여 오버헤드가 적기 때문에 프로덕션 환경의 프로파일링에 적합합니다 [4]. - -- **힙 스냅샷 뷰(View)의 종류와 활용** - 캡처한 힙 스냅샷은 목적에 맞게 여러 가지 뷰를 통해 분석할 수 있습니다 [5]. - - **Summary(요약) 뷰:** 객체를 생성자(Constructor) 이름으로 그룹화하여 보여줍니다 [5, 6]. 각 객체가 점유하는 자체 메모리인 '얕은 크기(Shallow size)'와, 해당 객체가 삭제될 때 해제될 수 있는 최대 메모리 크기인 '보존된 크기(Retained size)'를 확인할 수 있습니다 [7]. - - **Comparison(비교) 뷰:** 두 개 이상의 스냅샷 간의 차이를 보여줍니다. 특정 작업 전후의 스냅샷을 비교하여 메모리 누수의 존재와 원인을 확인하는 데 유용합니다 [5, 8]. - - **Containment(포함) 뷰:** 애플리케이션 객체 구조를 조감(Bird's eye view)할 수 있으며, DOMWindow 객체, GC 루트(GC roots), 네이티브 객체를 통해 글로벌 네임스페이스에서 참조되는 객체를 분석할 수 있습니다 [5, 9, 10]. - -- **타임라인 할당 분석을 통한 누수 추적** - 타임라인을 이용한 할당 계측 시, 상단에 나타나는 막대의 높이는 할당된 객체의 크기를 의미하며 막대의 색상은 객체의 생존 여부를 나타냅니다 [11, 12]. - - **파란색 막대:** 타임라인 기록이 끝날 때까지 여전히 살아있는(Live) 객체를 의미하며, 이 객체들이 메모리 누수 후보가 될 수 있습니다 [1, 11-13]. - - **회색 막대:** 타임라인 동안 할당되었으나 이후 가비지 컬렉션(GC)에 의해 수집된 객체를 의미합니다 [1, 11-13]. - 타임라인에서 파란색 막대를 확대(Zoom in)한 뒤 'Retainers(보유자)' 패널을 확인하면, 해당 객체가 수집되지 못하고 계속 살아있게 만드는 참조 체인을 파악할 수 있습니다 [14-16]. - -- **메모리 누수 탐지 전략: 3단계 스냅샷 기법(Three-snapshot technique)** - 메모리 누수를 감지하는 가장 신뢰할 수 있는 방법은 3단계 스냅샷 기법입니다. 먼저 기준이 되는 스냅샷 1을 찍고, 누수가 의심되는 작업(예: 모달 열기/닫기 등)을 수행한 뒤 스냅샷 2를 찍습니다. 그다음 동일한 작업을 다시 반복하고 스냅샷 3을 캡처합니다. 이후 스냅샷 2와 3을 비교하여, 스냅샷 1과 2 사이에서 할당되었지만 스냅샷 3에서도 여전히 살아있는 객체를 찾음으로써 일회성 할당(False positives)을 걸러내고 실제 누수 후보를 특정할 수 있습니다 [17]. - -- **분석 시 주의사항(Gotchas)** - - 힙 스냅샷에는 애플리케이션의 객체뿐만 아니라 `(compiled code)`, `(concatenated string)`, `InternalNode` 등 수많은 V8 내부 객체들이 포함되므로, 의미 있는 객체에 집중하려면 생성자(Constructor) 필터링을 사용하는 것이 좋습니다 [18-22]. - - 난독화된(Minified) 코드에서는 변수나 함수 이름이 제대로 보이지 않으므로, 의미 있는 Retainer 트리를 확인하려면 DevTools에서 소스 맵(Source maps)을 사용해야 합니다 [18]. - - 개발자 도구 콘솔에서 `console.log`로 출력된 객체는 계속해서 참조가 유지되므로 누수 조사 시에는 콘솔을 비우거나 대용량 객체 로깅을 피해야 합니다 [18]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[메모리 누수(Memory Leaks)]], [[가비지 컬렉션(Garbage Collection)]], [[V8 엔진 메모리 구조]], [[객체 참조 체인(Retainers)]] -- **Projects/Contexts:** [[Node.js 프로덕션 메모리 문제 해결]], [[웹 프론트엔드 성능 최적화]] -- **Contradictions/Notes:** 단순히 메모리 그래프가 상승한다고 해서 모두 우발적인 메모리 누수인 것은 아닙니다. 애플리케이션의 캐시(Caches)나 실행 취소 기록(Undo histories) 등은 의도적으로 데이터를 보존하도록 설계되었으므로, 이러한 '의도된 보존'과 '우발적인 보존(누수)'을 명확하게 구분해야 합니다 [18]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/Chrome DevTools 메모리 프로파일링 및 힙 스냅샷 분석.md]] ---- diff --git a/AI/Chrome DevTools 메모리 프로파일링.md b/AI/Chrome DevTools 메모리 프로파일링.md deleted file mode 100644 index 56bd3dca..00000000 --- a/AI/Chrome DevTools 메모리 프로파일링.md +++ /dev/null @@ -1,33 +0,0 @@ ---- -id: P-REINFORCE-AUTO-8471ED -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Chrome DevTools 메모리 프로파일링" ---- - -# [[Chrome DevTools 메모리 프로파일링]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> Chrome DevTools 메모리 프로파일링은 개발자가 힙(Heap) 스냅샷을 캡처하고 시간에 따른 메모리 할당을 추적하여 브라우저 환경에서 발생하는 메모리 누수를 감지하고 분석하는 과정입니다 [1-4]. 이는 JavaScript 객체와 DOM 노드의 메모리 분포를 보여주며, 가비지 컬렉션(GC) 이후에도 불필요하게 남아있는 객체의 참조 경로(Retaining Path)를 시각적으로 파악할 수 있도록 돕습니다 [1, 4-6]. 이를 통해 브라우저 메모리 할당 시점별 힙의 상세한 동작과 메모리 보존(Retention) 원인을 명확히 식별할 수 있습니다 [2, 7]. - -## 📖 구조화된 지식 (Synthesized Content) -* **힙 스냅샷(Heap Snapshot)과 3-스냅샷 기법:** 힙 스냅샷은 특정 시점의 전체 객체 그래프를 캡처하는 도구입니다 [2, 3]. 메모리 누수 탐지에서 가장 신뢰할 수 있는 방법은 '3-스냅샷 기법'으로, 기준 스냅샷을 찍고 누수가 의심되는 작업을 수행한 뒤 두 번째 스냅샷을 찍고, 작업을 반복한 후 세 번째 스냅샷을 찍는 방식입니다 [8]. 이를 통해 일회성 메모리 할당을 필터링하고 실제 누수 후보를 찾아낼 수 있습니다 [8]. 스냅샷은 생성자별로 객체를 그룹화하는 'Summary' 뷰, 두 스냅샷 간의 차이를 보여주는 'Comparison' 뷰, 전역 네임스페이스에 참조된 객체의 구조를 파악하는 'Containment' 뷰 등을 제공합니다 [9]. -* **타임라인의 할당 계측(Allocation instrumentation on timeline):** 이 도구는 힙 프로파일러의 상세 스냅샷 정보와 타임라인 패널의 점진적인 업데이트 추적 기능을 결합한 것입니다 [10, 11]. 특정 기간 동안 발생한 모든 메모리 할당을 스택 트레이스와 함께 최소 50ms마다 주기적으로 기록합니다 [2, 12, 13]. 타임라인 상의 막대 높이는 할당된 객체의 크기를 의미하며, 파란색 막대는 타임라인 종료 시점까지 살아있는 객체를, 회색 막대는 할당 후 가비지 컬렉션(GC)된 객체를 나타냅니다 [5, 14, 15]. -* **할당 샘플링(Allocation sampling):** 모든 할당을 추적하는 타임라인 계측 방식에 비해 시스템 오버헤드가 없기 때문에, 운영(Production) 환경의 프로파일링에 적합한 가벼운 통계적 샘플링 방식입니다 [16]. -* **보존 경로(Retainers)와 고유 객체 식별자:** 메모리 패널 하단의 'Retainers' 섹션은 GC 루트(Root)에서부터 특정 객체를 계속 살아있게 유지하는 참조 체인을 역순으로 보여주어 메모리 누수의 근본 원인을 추적할 수 있게 합니다 [2, 7, 17]. 또한, 각 객체에는 가비지 컬렉션 과정에서 객체의 물리적 위치가 이동하더라도 여러 스냅샷 간에 동일하게 유지되는 고유 ID(`@` 기호 뒤의 숫자)가 부여되어 정밀한 개별 객체 단위의 비교 분석이 가능합니다 [12, 13, 18, 19]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[힙 스냅샷(Heap Snapshot)]], [[타임라인 할당 계측(Allocation instrumentation on timeline)]], [[가비지 컬렉션(Garbage Collection)]], [[보존 경로(Retaining Path)]] -- **Projects/Contexts:** [[V8 JavaScript Engine 메모리 관리 및 가비지 컬렉션]], [[브라우저 메모리 누수 탐지(Browser Memory Leak Detection)]] -- **Contradictions/Notes:** 소스의 메모리 누수 분석 시 주의사항에 따르면, DevTools 콘솔에서의 `console.log` 출력은 로깅된 객체에 대한 참조를 계속 유지하므로 실제로는 누수가 아니더라도 가비지 컬렉션이 되지 않아 조사 과정에서 혼선을 줄 수 있습니다 [20]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/Chrome DevTools 메모리 프로파일링.md]] ---- diff --git a/AI/Chrome DevTools.md b/AI/Chrome DevTools.md deleted file mode 100644 index de08af47..00000000 --- a/AI/Chrome DevTools.md +++ /dev/null @@ -1,50 +0,0 @@ ---- -id: P-REINFORCE-AUTO-6965B5 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Chrome DevTools" ---- - -# [[Chrome DevTools]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> Chrome DevTools는 웹 성능 분석 및 메모리 누수 진단을 수행할 수 있는 브라우저 내장 개발자 도구이다 [1]. 이 도구의 메모리(Memory) 패널은 힙 스냅샷 캡처와 할당 타임라인 기록 기능을 제공하여 객체의 참조 상태와 메모리 상태를 추적할 수 있도록 돕는다 [1-3]. 개발자는 이를 통해 가비지 컬렉션(GC) 이후에도 살아남아 메모리를 점유하고 있는 객체들을 식별하고 분석할 수 있다 [4-6]. - -## 📖 구조화된 지식 (Synthesized Content) -* **메모리 패널(Memory Panel)의 핵심 기능:** - Chrome DevTools의 메모리 패널은 주로 세 가지 진단 도구를 제공한다 [1]. - * **힙 스냅샷(Heap snapshot):** 특정 시점의 완전한 객체 그래프를 캡처하여 생성자(Constructor)별 객체, 유지된 크기(Retained Size), 참조 트리 등을 보여준다 [1, 7, 8]. - * **타임라인 할당 계측(Allocation instrumentation on timeline):** 특정 기간 내의 모든 메모리 할당을 시간 순으로 스택 트레이스와 함께 기록한다 [1, 5, 9]. - * **할당 샘플링(Allocation sampling):** 통계적 샘플링을 사용하여 가벼운 오버헤드로 메모리 할당을 추적하며 프로덕션 환경 분석에 적합하다 [10]. - -* **힙 스냅샷 분석 뷰(Heap Snapshot Views):** - 스냅샷 데이터는 목적에 따라 여러 가지 뷰(View)로 분석할 수 있다 [11]. - * **Summary view:** 생성자 이름 및 소스 기준으로 객체를 그룹화하여 타입별 메모리 사용량 및 DOM 누수를 추적한다 [7, 11]. - * **Comparison view:** 두 개 이상의 스냅샷을 비교하여 특정 작업 전후로 해제된 메모리와 추가/삭제된 객체의 델타를 확인해 누수 여부를 파악한다 [11-13]. - * **Containment view:** 전역 네임스페이스(window)나 클로저 내에서 참조되는 객체의 전체적인 구조를 로우 레벨에서 보여준다 [11, 13]. - * **Statistics:** 메모리 할당을 코드, 문자열, 배열 등의 범주로 나누어 파이 차트로 시각화한다 [11]. - * **Retainers 패널:** 선택한 객체를 계속 살아있게 만드는 참조 체인(Retaining path)을 표시하여, 해당 객체가 가비지 컬렉션 되지 않는 이유를 확인하고 불필요한 참조를 코드에서 제거할 수 있게 돕는다 [1, 14-16]. - -* **할당 타임라인 시각화:** - 타임라인 보고서는 힙 프로파일러의 스냅샷 정보와 타임라인 패널의 점진적 업데이트 기능을 결합한 것이다 [5, 9]. 메모리 할당 과정은 최대 50ms 빈도로 기록되며 막대그래프로 표시된다 [2, 17]. 파란색 막대는 타임라인 기록이 끝날 때까지 여전히 살아있는 객체를 의미하며 메모리 누수 후보군이 되고, 회색 막대는 할당 후 가비지 컬렉터에 의해 정상적으로 수집된 객체를 의미한다 [18-21]. - -* **메모리 누수 진단 시 유의사항:** - * DevTools 콘솔에 로깅(`console.log`)된 객체들은 콘솔 도구 자체에 의해 도달 가능한 상태로 유지되므로, 메모리 누수를 조사할 때는 콘솔을 지우거나 대형 객체 로깅을 피해야 한다 [22]. - * 축소된(Minified) 코드는 Retainer 체인을 알아보기 어렵게 만들므로, 소스 맵(Source maps)을 활용해 원래의 변수 및 함수 이름을 복원해야 정확한 분석이 가능하다 [22]. - * 문서(DOM)에서 제거되었음에도 불구하고 JavaScript 클로저나 Map/Set 엔트리에 의해 참조되어 남아 있는 분리된 DOM 노드(Detached DOM nodes)를 필터링하여 찾을 수 있다 [10, 23]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[Heap Snapshot]], [[Allocation Timeline]], [[Garbage Collection]], [[Memory Leak]] -- **Projects/Contexts:** [[Browser Memory Leak Detection]] -- **Contradictions/Notes:** 가비지 컬렉션 과정에서 객체들이 이동할 수 있으므로 객체의 주소를 직접 추적하는 것은 의미가 없다. 대신 DevTools는 `@` 기호 뒤에 여러 스냅샷 간 유지되는 고유 식별자(Object ID)를 부여하여 정확하게 힙 상태와 객체를 비교할 수 있도록 한다 [2, 17, 24]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/Chrome DevTools.md]] ---- diff --git a/AI/Chrome 브라우저 렌더링 성능.md b/AI/Chrome 브라우저 렌더링 성능.md deleted file mode 100644 index 252f4029..00000000 --- a/AI/Chrome 브라우저 렌더링 성능.md +++ /dev/null @@ -1,42 +0,0 @@ ---- -id: P-REINFORCE-AUTO-EC1033 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Chrome 브라우저 렌더링 성능" ---- - -# [[Chrome 브라우저 렌더링 성능]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -소스에 Chrome의 핵심 렌더링 파이프라인(HTML/CSS 파싱, Layout, Paint, Composite 등)에 대한 관련 정보가 부족합니다. 단, 제공된 소스에서는 JavaScript 엔진(V8)의 메모리 관리 동작이 렌더링 및 화면 표시 성능에 미치는 영향을 다음과 같이 구체적으로 설명하고 있습니다. - -* **가비지 컬렉션(GC)과 렌더링 지연(Jank):** - V8과 같은 엔진에서 메모리를 관리하는 가비지 컬렉션 프로세스가 비효율적으로 실행될 경우, 길고 예측 불가능한 실행 일시 정지(Pause)가 발생할 수 있습니다 [1]. 이러한 일시 정지는 메인 스레드의 작업을 차단하여 상호작용이 많은 시스템이나 애니메이션의 렌더링 지연(Janky pages) 및 대기 시간(Latency) 저하 문제를 초래합니다 [2-4]. - -* **Orinoco 프로젝트와 메인 스레드 부하 감소:** - V8은 메인 스레드의 부담을 줄이기 위해 병렬(Parallel), 점진적(Incremental), 동시(Concurrent) 기법을 활용하는 Orinoco 가비지 컬렉터를 도입했습니다 [3, 5-8]. 백그라운드 작업으로 GC 부하를 분산시킴으로써 메인 스레드가 JavaScript 실행 및 렌더링을 자유롭게 처리할 수 있게 되어 애니메이션, 스크롤 및 사용자 상호작용이 훨씬 매끄러워졌으며 무거운 WebGL 게임 등에서의 일시 정지 시간을 최대 50% 단축했습니다 [9]. - -* **유휴 시간 가비지 컬렉션(Idle-time GC)을 통한 프레임 최적화:** - Chrome은 초당 60프레임(FPS)을 렌더링하기 위해 각 프레임당 약 16.6ms의 시간을 갖습니다 [10]. 애니메이션 및 렌더링 작업이 예상보다 일찍 완료될 경우, Chrome은 다음 프레임이 시작되기 전 남은 '유휴 시간(Idle time)'을 활용하여 백그라운드에서 GC 작업을 선제적으로 수행합니다 [9-11]. 이를 통해 메인 렌더링 작업의 중단을 방지하면서도 효과적으로 메모리를 관리할 수 있습니다. - -* **백그라운드 파싱(Background Parsing):** - 페이지가 로드되는 동안 V8 엔진은 백그라운드 파싱을 활용하여 스크립트를 처리합니다. 파싱 완료 즉시 사용된 임시 메모리(Zone)를 해제함으로써 메모리 소비를 줄여, 전반적인 브라우저 리소스 효율성과 렌더링 준비 속도 향상에 기여합니다 [12]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[가비지 컬렉션 (Garbage Collection)]], [[Orinoco]], [[유휴 시간 GC (Idle-time GC)]] -- **Projects/Contexts:** [[V8 JavaScript Engine]], [[Blink Renderer]] -- **Contradictions/Notes:** 소스에 관련 정보가 부족합니다. 제공된 문서는 전적으로 V8 메모리 관리, 힙 구조, 메모리 누수 분석 등 JavaScript 엔진 단의 최적화에 집중되어 있습니다. 따라서 Chrome 렌더링 파이프라인(DOM 트리, CSSOM, 컴포지팅 등) 또는 Core Web Vitals(LCP, CLS, INP)의 구체적 동작 원리에 대한 정보는 소스에 포함되어 있지 않아 기술하지 못했습니다. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/Chrome 브라우저 렌더링 성능.md]] ---- diff --git a/AI/Chronic-Pain-Management-Protocols.md b/AI/Chronic-Pain-Management-Protocols.md deleted file mode 100644 index efada25b..00000000 --- a/AI/Chronic-Pain-Management-Protocols.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-SCI-PAIN -category: "[[10_Wiki/💡 Topics/Science]]" -confidence_score: 0.94 -tags: [Pain Management, Medical, Chronic Pain, Neurology] -last_reinforced: 2026-04-20 ---- - -# [[Chronic-Pain-Management-Protocols]] (만성 통증 관리 프로토콜) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "통증은 뇌의 해석이다." 실제 조직이 다 낫더라도 뇌가 '통증 회로'를 끄지 못해 발생하는 만성 고통을 신경 가소성을 이용해 재훈련하는 과정이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Central Sensitization (중추 감작)**: - - 신경계가 과도하게 민감해져서 아주 작은 자극에도 극심한 통증으로 반응하게 된 상태. 뇌의 '경보 시스템'이 고장 난 것과 같다. -- **Biopsychosocial Model**: - - 생물학적 요인뿐만 아니라 심리적(불안, 우울), 사회적 요인이 통증의 정도를 결정한다는 현대적 접근법. -- **Gait Control Theory (관문 조절설)**: - - 가벼운 접촉이나 진동 같은 다른 자극을 근처 신경에 주어, 통증 신호가 뇌로 가는 '관문'을 닫게 하는 원리. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 단순 진통제 처방은 근본 원인을 해결하지 못하고 중독 위험만 키운다. 최근에는 명상, 점진적 운동 노출치료(Graded Motor Imagery) 등 뇌의 회로를 직접 재배열하는 치료법이 강조되고 있다. - -## 🔗 지식 연결 (Graph) -- Related: [[Cognitive-Therapy-in-CBT]] , [[Biomechanics-of-Injury]] -- Analysis: [[Clinical-Kinesiology-Assessment]] diff --git a/AI/Circuit Discovery (ȸ ߰).md b/AI/Circuit Discovery (ȸ ߰).md deleted file mode 100644 index c29a96bf..00000000 --- a/AI/Circuit Discovery (ȸ ߰).md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-CIRCUIT -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.98 -tags: [Interpretability, Neural Networks, Circuit Discovery, Mechanistic Interpretability] -last_reinforced: 2026-04-20 ---- - -# [[Circuit-Discovery]] (회로 발견) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "인공신경망은 블랙박스가 아니다." 신경망 내부의 수억 개 파라미터들 사이에서 특정 로직(예: 덧셈, 문법 파악)을 수행하는 고유의 '신경 회로'를 찾아 지질학적으로 분석하는 고난도 기술이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Mechanistic Interpretability**: - - 모델의 입력을 조금씩 바꿔보며 특정 뉴런들이 어떻게 활성화되는지(Activation Patching 등)를 분석하여, 가중치 속에 숨겨진 알고리즘을 역설계한다. -- **Induction Heads**: - - 이전에 본 패턴을 기억하고 반복될 때 활성화되는 신경망 내의 특정 구조. LLM의 문맥 이해 능력의 핵심 원동력 중 하나로 밝혀졌다. -- **Reverse Engineering**: - - 학습된 모델을 '읽기'를 통해 그 모델이 어떤 수학적 전략을 사용해 문제를 푸는지 인간의 언어로 설명하는 과정. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 대규모 모델(Llama-3, GPT-4)로 갈수록 회로가 너무 복잡해져서 일일이 분석하는 것이 불가능에 가까워진다. 최근에는 다른 '작은 AI'를 시켜서 큰 AI의 회로를 분석하게 하는 자동화된 해석 연구가 진행 중이다. - -## 🔗 지식 연결 (Graph) -- Related: [[Automated-Reasoning]] , [[Complexity-Theory]] -- Foundation: [[Information Theory]] diff --git a/AI/Circuit Discovery (회로 발견).md b/AI/Circuit Discovery (회로 발견).md deleted file mode 100644 index cca40c82..00000000 --- a/AI/Circuit Discovery (회로 발견).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-0A3374 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Circuit Discovery (회로 발견)" ---- - -# [[Circuit Discovery (회로 발견)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Circuit Discovery (회로 발견).md]] ---- diff --git a/AI/Circular Economy Transitions.md b/AI/Circular Economy Transitions.md deleted file mode 100644 index fe924d5e..00000000 --- a/AI/Circular Economy Transitions.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-544952 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Circular Economy Transitions" ---- - -# [[Circular Economy Transitions]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Circular Economy Transitions.md]] ---- diff --git a/AI/Circular-Economy.md b/AI/Circular-Economy.md deleted file mode 100644 index 18fe1fa3..00000000 --- a/AI/Circular-Economy.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-SCI-CIRCULAR -category: "[[10_Wiki/💡 Topics/Science]]" -confidence_score: 0.94 -tags: [Circular Economy, Sustainability, Recycling, ESG] -last_reinforced: 2026-04-20 ---- - -# [[Circular-Economy]] (순환 경제) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 쓰레기는 설계 단계에서의 '지능 부족'의 결과물이다. 자원이 폐기되지 않고 영구적으로 순환하도록 시스템 자체를 다시 디자인하는 것이 순환 경제의 정수다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Design out Waste**: - - 처음부터 재활용이 불가능한 소재를 배제하고, 수리(Repair)와 분해(Disassembly)가 쉬운 제품 아키텍처를 설계한다. -- **Product as a Service (PaaS)**: - - 제품을 판매하는 대신 '사용권'을 빌려주는 모델. 기업이 소유권을 유지하므로 제품의 내구성을 높이고 회수 후 재자원화하는 동기가 강화된다. -- **Biological vs Technical Cycles**: - - 생물학적 자원은 안전하게 자연으로 돌아가고(Bio-degradable), 기술적 자원(금속, 플라스틱)은 에너지를 투입해 가치를 유지하며 순환시킨다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 재활용 과정에서 소모되는 에너지와 탄소 배출량이 자원의 가치보다 클 때가 있다. 따라서 단순한 재활용(Recycling)보다 상위 개념인 재사용(Reuse)과 리퍼비시(Refurbish) 정책이 우선시되어야 한다. - -## 🔗 지식 연결 (Graph) -- Related: [[Circular Economy Transitions]] , [[Climate Change Mitigation Frameworks]] -- Context: [[Distributed-Systems-Engineering]] diff --git a/AI/Clean-Architecture-Implementation.md b/AI/Clean-Architecture-Implementation.md deleted file mode 100644 index d22681f4..00000000 --- a/AI/Clean-Architecture-Implementation.md +++ /dev/null @@ -1,30 +0,0 @@ ---- -id: P-REINFORCE-AI-CLEANARCH-IMP -category: "[[10_Wiki/💡 Topics/Software Architecture]]" -confidence_score: 0.98 -tags: [Clean Architecture, Implementation, Layering, SOLID] -last_reinforced: 2026-04-20 ---- - -# [[Clean-Architecture-Implementation]] (클린 아키텍처 구현) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "데이터베이스나 프레임워크는 세부 사항일 뿐이다." 비즈니스 규칙(Domain)을 외부 세계로부터 철저히 격리하여 평생 변하지 않는 단단한 원핵(Core)을 유지하는 아키텍처다. - -## 📖 구조화된 지식 (Synthesized Content) -- **의존성 규칙 (Dependency Rule)**: - - 의존성의 방향은 항상 안쪽(Domain)으로만 향해야 한다. 도메인은 외부 라이브러리나 UI 라이브러리를 절대 알면 안 된다. -- **4대 레이어 구성**: - 1. **Entities**: 가장 핵심적인 비즈니스 객체 및 규칙. - 2. **Use Cases**: 애플리케이션 특유의 비즈니스 논리 구현. - 3. **Interface Adapters**: Controller, Presenter 등 데이터 변환기. - 4. **Frameworks & Drivers**: DB, UI, 외부 API 등 인프라스트럭처. -- **DIP (Dependency Inversion Principle)**: - - 중심부가 외부를 호출해야 할 땐 인터페이스를 정의하고, 실체는 외부에서 주입(Injection)받는다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 작은 프로젝트에 클린 아키텍처를 도입하는 것은 '보일러플레이트 지옥'을 초래할 수 있다. 소규모일 땐 생산성을 챙기고, 코드 베이스가 1만 라인을 넘어가는 시점부터 점진적으로 레이어를 분리하는 **'점진적 아키텍처링'**이 실무에서 더 선호된다. - -## 🔗 지식 연결 (Graph) -- Related: [[Separation_of_Concerns]] , [[Domain-Driven Design (DDD)]] -- Foundation: [[React_Clean_Code_Best_Practices]] diff --git a/AI/Clean-Architecture-TypeScript.md b/AI/Clean-Architecture-TypeScript.md deleted file mode 100644 index dc5e100a..00000000 --- a/AI/Clean-Architecture-TypeScript.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-CLEANARCH-TS -category: "[[10_Wiki/💡 Topics/Software Architecture]]" -confidence_score: 0.99 -tags: [TypeScript, Clean Architecture, Type Safety, Mapping] -last_reinforced: 2026-04-20 ---- - -# [[Clean-Architecture-TypeScript]] (타입스크립트와 클린 아키텍처) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 타입스크립트의 강력한 타입 시스템은 클린 아키텍처의 '레이어 간 경계'를 물리적으로 강제하는 가장 완벽한 감시자다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Domain Interface First**: - - Use Case는 구체적인 레포지토리가 아닌, 타입스크립트 `interface`에만 의존하게 설계하라. 이렇게 하면 테스트 작성 시 가짜(Mock) 객체를 갈아 끼우는 것이 숨 쉬듯 쉬워진다. -- **Data Transfer Object (DTO) Mapping**: - - DB 엔티티 타입을 UI까지 그대로 끌고 가지 마라. 레이어를 넘나들 때마다 `Mapper`를 통해 필요한 데이터만 추출한 전용 타입을 사용해야 '오염'을 막을 수 있다. -- **Branded Types for ID**: - - `UserId`, `OrderId`를 단순한 `string`이 아닌 고유 타입으로 정의하여, 실수로 유저 ID 칸에 주문 ID를 넣는 실수를 컴파일 타임에 잡아낸다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 과도한 'Mapping'은 런타임 성능과 개발 시간을 소모한다. 도메인과 데이터 계층의 모양이 90% 이상 일치한다면, 무리하게 분리하기보다 `Pick`이나 `Omit` 유틸리티 타입을 활용하여 유연하게 대응하는 것이 실용적이다. - -## 🔗 지식 연결 (Graph) -- Related: [[TypeScript_Type_Safety]] , [[React_State_Management_Strategy]] -- Foundation: [[Clean-Architecture-Implementation]] diff --git a/AI/Climate Change Mitigation Frameworks.md b/AI/Climate Change Mitigation Frameworks.md deleted file mode 100644 index e757d650..00000000 --- a/AI/Climate Change Mitigation Frameworks.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-SCI-CLIMATE -category: "[[10_Wiki/💡 Topics/Science]]" -confidence_score: 0.93 -tags: [Climate Change, Net Zero, Carbon Neutral, Mitigation] -last_reinforced: 2026-04-20 ---- - -# [[Climate-Change-Mitigation-Frameworks]] (기후 변화 대응 프레임워크) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 기후 변화는 단순한 환경 문제가 아니라 '에너지 시스템의 대전환' 문제이며, 과학적 실증 데이터에 기반한 탄소 예산(Carbon Budget) 관리가 핵심이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Decarbonization (탈탄소화)**: - - 화석 연료 기반의 에너지 믹스를 태양광, 풍력, 원자력 등 저탄소 에너지원으로 전환하고 전력을 효율화한다. -- **Carbon Capture & Storage (CCS)**: - - 배출된 이산화탄소를 포집하여 지하나 해저에 영구 격리하는 기술적 보완책. 넷 제로(Net Zero) 달성을 위한 최후의 수단이다. -- **Emissions Trading System (ETS)**: - - 탄소 배출에 '가격'을 매겨 기업들이 자발적으로 배출량을 줄이도록 유도하는 시장 경제 기반의 정책 도구. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 선진국과 개도국 사이의 '기후 정의' 문제가 항상 충돌한다. 기술적 해결만큼이나 글로벌 거버넌스(Paris Agreement)와 금융 지원 체계가 동반되어야 실무적인 변화가 가능하다. - -## 🔗 지식 연결 (Graph) -- Related: [[Circular-Economy]] , [[Distributed-Systems-Engineering]] -- Policy: [[Collaboration_Governance]] diff --git a/AI/Clinical-Kinesiology-Assessment.md b/AI/Clinical-Kinesiology-Assessment.md deleted file mode 100644 index a0baae14..00000000 --- a/AI/Clinical-Kinesiology-Assessment.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-SCI-KINESIO -category: "[[10_Wiki/💡 Topics/Science]]" -confidence_score: 0.95 -tags: [Kinesiology, Human Movement, Biomechanics, Assessment] -last_reinforced: 2026-04-20 ---- - -# [[Clinical-Kinesiology-Assessment]] (임상 운동학 평가) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 통증은 결과일 뿐, 원인은 '잘못된 움직임의 패턴'에 있다. 골격과 근육의 역학적 상호작용을 분석하여 신체의 기능을 최적화하는 과정이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Joint Range of Motion (ROM)**: - - 관절이 가용할 수 있는 각도를 측정하여 유연성과 가동성을 평가한다. 특정 방향의 각도 제한은 부상으로 가는 조기 신호다. -- **Muscle Imbalance Study**: - - 주동근(Agonist)과 길항근(Antagonist)의 힘의 균형을 분석한다. 한쪽이 너무 강하면 반대쪽은 늘어지고 약해지며(Lower Crossed Syndrome 등) 체형 불균형을 초래한다. -- **Gait Analysis (보행 분석)**: - - 발바닥의 압력 분포와 걷는 자세를 분석하여 척추와 골반의 정렬 상태를 추론한다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 과거에는 눈과 수동 측정기에 의존했으나, 최근에는 스마트폰 카메라를 통한 **AI 자세 분석(Pose Estimation)** 기술이 도입되어 훨씬 정밀하고 객관적인 평가가 가능해졌다. - -## 🔗 지식 연결 (Graph) -- Related: [[Biomechanics-of-Injury]] , [[Biometrics]] -- Tech: [[Computer Vision]] diff --git a/AI/Code Review.md b/AI/Code Review.md deleted file mode 100644 index 3705fbc5..00000000 --- a/AI/Code Review.md +++ /dev/null @@ -1,40 +0,0 @@ ---- -id: P-REINFORCE-AUTO-8EC3C3 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Code Review" ---- - -# [[Code Review]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 코드 리뷰(Code Review)는 소프트웨어의 전반적인 코드 건강 상태를 개선하고 품질 및 보안을 보장하기 위해 소스 코드를 검사하는 과정입니다 [1-3]. 이는 인간 개발자가 직접 수행하는 수동 리뷰(Manual Code Review)와 정적 분석(SAST) 및 AI 도구를 활용하는 자동화된 리뷰(Automated Code Review)로 나뉩니다 [4, 5]. 최신 소프트웨어 개발 환경에서는 자동화 도구의 속도와 인간의 문맥 이해 능력을 결합하여 일관성과 보안성을 극대화하는 하이브리드 접근법이 필수적인 모범 사례로 권장됩니다 [5-8]. - -## 📖 구조화된 지식 (Synthesized Content) -* **수동 코드 리뷰 (Manual Code Review):** - 개발자가 주로 풀 리퀘스트(PR)를 통해 코드를 한 줄씩 읽고 논의하는 인간 주도의 검사 방식입니다 [4, 9]. 도구가 파악할 수 없는 아키텍처의 의도, 비즈니스 로직, 복잡한 설계 결함을 찾아내는 데 탁월하며, 팀원 간의 지식 공유와 멘토링을 촉진하여 코드 가독성을 높입니다 [5, 6, 10, 11]. 구글의 코드 리뷰 표준에 따르면, 완벽한 코드를 추구하기보다는 시스템의 전반적인 코드 상태가 확실히 개선되는 방향(지속적 개선)을 기준으로 승인을 진행해야 합니다 [12, 13]. 하지만 수동 리뷰는 시간이 많이 소요되고 비용이 높으며, 리뷰어의 피로도나 편향에 의한 인적 오류가 발생할 수 있다는 단점이 있습니다 [14, 15]. - -* **자동화된 코드 리뷰 (Automated Code Review):** - 린터(Linter), 포매터(Formatter), SAST, AI 기반 리뷰 봇 등의 도구를 사용하여 코드를 실행하지 않고 정적으로 분석하는 방식입니다 [4, 16]. ESLint, Prettier, SonarQube, Snyk 등의 도구를 통해 구문 오류, 스타일 위반, 일반적인 보안 취약점(예: SQL 인젝션, XSS 등)을 대규모 코드베이스에서 빠르고 일관되게 찾아냅니다 [17-20]. 하지만 비즈니스 로직과 설계의 복잡한 의도를 이해하지 못하는 문맥의 맹점(Context Blindness)이 존재하며, 설정된 규칙에만 의존하기 때문에 잦은 오탐(False Positive)을 발생시켜 개발자의 피로도를 높일 수 있다는 한계가 있습니다 [21, 22]. - -* **하이브리드 리뷰 워크플로우 (Hybrid Approach):** - 2025년 기준 가장 이상적인 방식은 자동화와 인간의 통찰력을 계층화하여 결합하는 것입니다 [5, 23]. CI/CD 파이프라인이나 Git 훅(예: Husky, lint-staged)을 통해 기본 구문 검사와 정형화된 보안 결함, 스타일 교정은 자동화 도구가 코드 커밋 및 PR 단계에서 우선적으로 차단합니다 [24, 25]. 이후 인간 리뷰어는 도구가 정리한 코드를 바탕으로 아키텍처 설계, 보안 문맥, 서비스 간의 교차 영향도와 같은 고차원적인 판단에만 집중할 수 있습니다 [23, 25, 26]. - -* **AI 기반 코드 리뷰 도구의 진화:** - 최근에는 GitHub Copilot, Snyk Code, DeepCode 등 대규모 언어 모델(LLM)과 머신러닝 기반의 분석 도구들이 코드 리뷰에 적극 도입되고 있습니다 [27-29]. AI는 코드의 문맥을 어느 정도 해석하고, 데이터 흐름을 추적하여 오탐률을 줄이며, 리뷰 과정에서 자동으로 코드를 수정해 주는 제안(Auto-fix)을 통해 리뷰 주기를 크게 단축시킵니다 [28, 30, 31]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[Manual Code Review]], [[Automated Code Review]], [[SAST]], [[Linting]], [[Prettier]], [[Husky]] -- **Projects/Contexts:** [[CI/CD Pipelines]], [[SDLC]], [[Pull Request]] -- **Contradictions/Notes:** 소스에 따르면 자동화된 리뷰 도구는 코드 검사 속도와 일관성을 극대화하지만, 비즈니스 로직과 아키텍처적 맥락을 이해하지 못해 실제 취약점의 약 22%를 놓치거나 오탐(False Positive)을 대량으로 양산할 수 있습니다 [22, 32]. 따라서 자동화 도구 단독으로는 완벽한 보안과 품질을 보장할 수 없으며, 복잡하고 위험도가 높은 코드는 반드시 인간 리뷰어의 수동 평가가 동반되어야 한다고 강조합니다 [5, 26, 33]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/Code Review.md]] ---- diff --git a/AI/Cognitive Biases.md b/AI/Cognitive Biases.md deleted file mode 100644 index 933559d0..00000000 --- a/AI/Cognitive Biases.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-SCI-BIASES -category: "[[10_Wiki/💡 Topics/Science]]" -confidence_score: 0.99 -tags: [Cognitive Biases, Psychology, Thinking, Decision Making] -last_reinforced: 2026-04-20 ---- - -# [[Cognitive-Biases]] (인지 편향: 생각의 함정) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 우리의 뇌는 진화 과정에서 '정확성'보다 '생존 속도'를 택했다. 이 과정에서 발생하는 뇌의 지름길(Heuristics)이 현대 사회에서는 치명적인 판단 오류가 된다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Confirmation Bias (확증 편향)**: - - 자신의 신념과 일치하는 정보만 받아들이고, 반대되는 증거는 무시하거나 비하하는 경향. 에코 챔버(Echo Chamber) 현상의 원인이다. -- **Availability Heuristic (가용성 휴리스틱)**: - - 가장 쉽게 떠오르는 기억(자극적인 뉴스 등)을 바탕으로 확률을 판단하는 오류. (예: 비행기 사고 뉴스 후 비행기가 자동차보다 위험하다고 느낌). -- **Dunning-Kruger Effect (더닝-크루거 효과)**: - - 능력이 부족한 사람이 자신의 실력을 과대평가하고, 오히려 고수는 자신의 실력을 과소평가하는 현상. '자신감의 산'과 '절망의 계곡'으로 설명된다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 모든 편향이 나쁜 것은 아니다. 위기 상황에서 즉각적인 본능적 판단은 생존에 유리했다. 중요한 것은 결정적인 순간에 나의 편향을 인지하고 '시스템 2(느리게 생각하기)'를 발동시키는 메타 인지 능력이다. - -## 🔗 지식 연결 (Graph) -- Related: [[Behavioral-Economics]] , [[Game Design Theory]] -- Foundation: [[Information Theory]] diff --git a/AI/Cognitive Computing.md b/AI/Cognitive Computing.md deleted file mode 100644 index ea8377be..00000000 --- a/AI/Cognitive Computing.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-COGCOMP -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.98 -tags: [Cognitive Computing, AI, Machine Learning, Brain-Inspired] -last_reinforced: 2026-04-20 ---- - -# [[Cognitive-Computing]] (코그니티브 컴퓨팅) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 단순히 질문에 답하는 계산기를 넘어, 인간의 생각과 감정을 이해하고 복잡한 맥락 속에서 최적의 파트너로 진화하는 '지능의 동반자'다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Contextual Understanding (맥락 이해)**: - - 단순히 키워드를 매칭하는 것이 아니라, 대화의 전후 상황, 사용자의 의도, 감정 상태를 파악하여 가장 적절한 방식으로 정보를 제공한다. -- **Self-Learning & Adaptive**: - - 정적인 알고리즘이 아니라, 상호작용이 반복될수록 사용자의 패턴을 학습하여 스스로를 최적화한다. -- **Human-Machine Interface (HMI)**: - - 자연어 처리(NLP)를 넘어 시각, 청각, 촉각 등 오감을 통합한 멀티모달 인터랙션을 통해 인간과 더 자연스럽게 소통한다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 과거 IBM Watson 등이 추구했던 모델이지만, 최근에는 LLM(거대 언어 모델)의 폭발적 발전으로 인해 '코그니티브'의 정의가 LLM 기반의 자율 에이전트(Autonomous Agent) 시스템으로 빠르게 재편되고 있다. - -## 🔗 지식 연결 (Graph) -- Related: [[Chain-of-Thought]] , [[Automated-Reasoning]] -- Foundation: [[Information Theory]] diff --git a/AI/Cognitive Neuroscience of Flow.md b/AI/Cognitive Neuroscience of Flow.md deleted file mode 100644 index 908f8ce1..00000000 --- a/AI/Cognitive Neuroscience of Flow.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-SCI-FLOW -category: "[[10_Wiki/💡 Topics/Science]]" -confidence_score: 0.97 -tags: [Flow State, Neuroscience, Concentration, Performance] -last_reinforced: 2026-04-20 ---- - -# [[Cognitive-Neuroscience-of-Flow]] (몰입의 뇌과학) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "자아조차 잊게 만드는 완벽한 조화." 몰입(Flow)은 뇌의 보상 시스템과 주의력 시스템이 극한의 효율로 결합하여 에너지를 폭발시키는 상태다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Transient Hypofrontality**: - - 몰입 중에는 전전두엽(판단, 비판 담당)의 활동이 일시적으로 낮아진다. 이로 인해 자의식적 비판이 사라지고 오직 '하는 행위' 자체에만 매몰된다. -- **Dopamine & Norepinephrine**: - - 도파민(보상)과 노르에피네프린(각성)이 다량 분비되며 학습 속도와 반응 속도를 비약적으로 높인다. -- **Challenge-Skill Balance**: - - 과제의 난이도와 자신의 실력이 완벽한 균형을 이룰 때(지루함과 불안 사이) 뇌는 몰입 상태에 진입하기 가장 쉽다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 몰입은 마법 같은 상태지만, 도파민 중독과 비슷한 양상을 보여 '중독성'이 있다. 건강한 몰입과 강박적 몰입을 구분하는 메타 인지가 장기적인 성장에 중요하다. - -## 🔗 지식 연결 (Graph) -- Related: [[Burnout-Prevention-in-Professional-Gaming]] , [[Cognitive Psychology]] -- Foundation: [[Information Theory]] diff --git a/AI/Cognitive Psychology.md b/AI/Cognitive Psychology.md deleted file mode 100644 index 2c5a4ac2..00000000 --- a/AI/Cognitive Psychology.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-SCI-COG-PSY -category: "[[10_Wiki/💡 Topics/Science]]" -confidence_score: 0.99 -tags: [Cognitive Psychology, Perception, Memory, Attention] -last_reinforced: 2026-04-20 ---- - -# [[Cognitive-Psychology]] (인지 심리학) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "마음은 정보 처리 시스템이다." 인간의 사고 과정을 컴퓨터의 아키텍처처럼 입력(지각)-저장(기억)-처리(생각)-출력(행동)의 관점에서 분석하는 학문이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Mental Representations**: - - 외부 세계를 뇌가 어떻게 내부 모델로 변환하여 저장하는가. (예: 스키마(Schema), 프레임(Frame)). -- **Dual Process Theory**: - - 시스템 1(빠른 직관)과 시스템 2(느린 추론)가 어떻게 상호작용하며 결정을 내리는지 분석한다. -- **Working Memory Theory**: - - 정보가 장기 기억으로 넘어가기 전, 머릿속에서 유지되고 처리되는 '메모리 공간'의 용량 제한(7±2 등)에 대한 연구. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 인지 심리학의 고전적 모델들은 '감정'을 배제한 경향이 있었다. 현대에는 인지적 처리와 감정적 처리가 뗄 수 없다는 '정서 지능(Emotional Intelligence)'과의 융합 연구가 대세다. - -## 🔗 지식 연결 (Graph) -- Related: [[Cognitive-Biases]] , [[Cognitive-Therapy-in-CBT]] -- Foundation: [[Information Theory]] diff --git a/AI/Cognitive Reserve Theory.md b/AI/Cognitive Reserve Theory.md deleted file mode 100644 index e708abf7..00000000 --- a/AI/Cognitive Reserve Theory.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-SCI-COG-RES -category: "[[10_Wiki/💡 Topics/Science]]" -confidence_score: 0.95 -tags: [Cognitive Reserve, Brain Health, Aging, Plasticity] -last_reinforced: 2026-04-20 ---- - -# [[Cognitive-Reserve-Theory]] (인지 예비능 이론) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "뇌에도 저축(Savings)이 필요하다." 지적 활동과 다양한 경험은 뇌의 연결망을 복잡하게 만들어, 노화나 질병으로 인한 뇌 손상에도 일상 기능을 유지하는 '회복 탄력성'을 제공한다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Neural Redundancy (신경 중복성)**: - - 하나의 정보를 처리하는 경로가 여러 개일 때, 일부 경로가 파괴되어도 대체 경로를 통해 기능을 수행할 수 있는 능력. -- **Enriched Environment**: - - 끊임없이 배우는 환경(책 읽기, 악기 배우기, 코딩 등)에 노출될수록 뇌의 예비능은 기하급수적으로 쌓인다. -- **Active Lifestyle Impact**: - - 높은 교육 수준과 사회적 활동은 치매 증상의 발현을 몇 년씩 늦출 수 있는 강력한 방어막이다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 인지 예비능이 무한한 것은 아니다. 어느 시점(Threshold)을 넘기면 손상이 급격히 표출될 수 있다. 따라서 '쌓는 것'만큼이나 '뇌를 혹사하지 않는 것'이 중요하다. - -## 🔗 지식 연결 (Graph) -- Related: [[BDNF]] , [[Cognitive-Neuroscience-of-Flow]] -- Foundation: [[Complex Systemic Modeling Protocols]] diff --git a/AI/Cognitive Training Software (eg Aim Lab_KovaaKs).md b/AI/Cognitive Training Software (eg Aim Lab_KovaaKs).md deleted file mode 100644 index 89eb66e5..00000000 --- a/AI/Cognitive Training Software (eg Aim Lab_KovaaKs).md +++ /dev/null @@ -1,28 +0,0 @@ ---- -id: P-REINFORCE-AI-AIMTRAIN -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.94 -tags: [Aim Lab, KovaaKs, Cognitive Training, Performance] -last_reinforced: 2026-04-20 ---- - -# [[Cognitive-Training-Software]] (에임 및 인지 훈련 소프트웨어) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 에임 훈련은 단순히 '마우스를 잘 흔드는 법'을 배우는 것이 아니라, 뇌의 시각 반응-근육 협응-판단 프로세스를 수만 번의 반복으로 최적화하는 '뉴로 머슬(Neuro-muscle) 프로그래밍'이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Flick vs Tracking Training**: - - **Flick**: 특정 위치로 즉각적으로 조준을 옮기는 폭발적 인지 능력. - - **Tracking**: 움직이는 대상을 일정하게 따라가는 지속적 집중력과 미세 근육 제어. -- **Micro-Metric Feedback**: - - 반응 속도(Reaction Time), 정확도(Accuracy), 조준의 흔들림(Shake) 등을 밀리초(ms) 단위로 측정하여 사용자의 약점(Weak point)을 데이터로 시각화한다. -- **Skill Transferability**: - - 가상 환경에서의 훈련이 실제 게임(Valorant, Apex 등)의 성과로 전이되는 메커니즘은 '일관된 감도(Sensitivity)'와 '공포 반응 억제'에 기인한다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 과도한 에임 훈련은 손목 부상(Carpal Tunnel)을 유발할 수 있으며, 실제 게임에서의 지형지물 활용이나 전략적 판단력(Game Sense)을 간과하게 만들 수 있다. 도구는 보조수단일 뿐, 실전 감각과의 균형이 필수적이다. - -## 🔗 지식 연결 (Graph) -- Related: [[Burnout-Prevention-in-Professional-Gaming]] , [[Biomechanics-of-Injury]] -- Analysis: [[Clinical-Kinesiology-Assessment]] diff --git a/AI/Cognitive-Evaluation-Theory.md b/AI/Cognitive-Evaluation-Theory.md deleted file mode 100644 index 316957cc..00000000 --- a/AI/Cognitive-Evaluation-Theory.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-SCI-COGEVAL -category: "[[10_Wiki/💡 Topics/Science]]" -confidence_score: 0.97 -tags: [Cognitive Evaluation Theory, Motivation, Autonomy, Psychology] -last_reinforced: 2026-04-20 ---- - -# [[Cognitive-Evaluation-Theory]] (인지 평가 이론) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "보상이 때로는 열정을 죽인다." 인간은 스스로 결정하고 유능하다고 느낄 때 가장 강력한 내적 동기를 발휘한다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Autonomy (자율성)**: - - 외부의 강요가 아니라 스스로의 선택에 의해 행동한다고 느낄 때 동기가 유발된다. (예: 게임에서의 자유로운 퀘스트 선택). -- **Competence (유능성)**: - - 자신의 능력이 과제에 적합하거나 성장하고 있다고 느낄 때 재미와 보람을 느낀다. (예: 레벨업 시스템, 랭크 시스템). -- **Extrinsic vs Intrinsic Motivation**: - - 금전적 보상 같은 외적 동기가 너무 크면, 즐거워서 하던 일(내적 동기)의 가치가 훼손되는 '과잉 정당화 효과(Over-justification effect)'가 발생할 수 있다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 게임 기획 시 단순히 '데일리 보상'만 뿌리는 것은 위험하다. 사용자가 보상 때문에 숙제처럼 게임을 하게 만들지 말고, 자신의 실력이 늘어가는 과정 자체를 즐기게 하는 '마스터리의 경험'을 설계해야 한다. - -## 🔗 지식 연결 (Graph) -- Related: [[Game Design Theory]] , [[Behavioral-Economics]] -- Foundation: [[Cognitive-Biases]] diff --git a/AI/Cognitive-Therapy-in-CBT.md b/AI/Cognitive-Therapy-in-CBT.md deleted file mode 100644 index c3873db8..00000000 --- a/AI/Cognitive-Therapy-in-CBT.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-SCI-CBT -category: "[[10_Wiki/💡 Topics/Science]]" -confidence_score: 0.96 -tags: [CBT, Cognitive Therapy, Psychology, Mental Health] -last_reinforced: 2026-04-20 ---- - -# [[Cognitive-Therapy-in-CBT]] (인지 행동 치료 CBT) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "상황이 변하지 않아도, 상황을 바라보는 '나의 생각'이 변하면 감정과 행동이 변한다." - -## 📖 구조화된 지식 (Synthesized Content) -- **Automatic Thoughts (자동적 사고)**: - - 어떤 상황을 마주했을 때 나도 모르게 떠오르는 즉각적인 생각들. (예: "실수했어, 나는 끝이야"). -- **Cognitive Distortions (인지적 왜곡)**: - - 흑백 논리, 과도한 일반화, 파국화 등 사실을 왜곡해서 받아들이는 뇌의 습관적 오류. -- **Core Beliefs (핵심 신념)**: - - 인생 전반에 걸쳐 형성된 자신과 세상에 대한 근본적인 믿음. CBT는 이 핵심 신념을 탐색하고 건강하게 재구조화하는 것을 목표로 한다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 최근에는 AI 챗봇이 CBT 기법을 활용하여 사용자의 우울감을 관리하고 멘탈 헬스를 보조하는 기술이 상용화되고 있다. 하지만 전문적인 심리 상담사의 공감과 개입을 완전히 대체하기에는 아직 윤리적, 감정적 한계가 존재한다. - -## 🔗 지식 연결 (Graph) -- Related: [[Cognitive-Biases]] , [[Burnout-Prevention-in-Professional-Gaming]] -- Foundation: [[Information Theory]] diff --git a/AI/Collective-Intelligence.md b/AI/Collective-Intelligence.md deleted file mode 100644 index e20106f7..00000000 --- a/AI/Collective-Intelligence.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-COLLECT-INT -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.98 -tags: [Collective Intelligence, Swarm Intelligence, Cooperation, AI] -last_reinforced: 2026-04-20 ---- - -# [[Collective-Intelligence]] (집단 지능) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "전체는 부분의 합보다 똑똑하다." 개미 한 마리는 단순하지만 개미집은 정교한 것처럼, 수많은 개체의 협력이 만들어내는 창발적 지능이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Swarm Intelligence**: - - 중앙 통제 없이 개체들 간의 로컬 상호작용만으로 복잡한 문제를 해결하는 능력. (예: 조류의 비행 군무, 슬라임 몰드의 최단 경로 찾기). -- **Wisdom of Crowds**: - - 독립적이고 다양한 의견을 가진 집단이 투표나 시장 원리를 통해 내놓는 결론이 전문가 한 명의 결론보다 정확할 수 있음을 보여주는 현상. -- **Multi-Agent Systems (MAS)**: - - AI 분야에서 서로 다른 전문성을 가진 에이전트들이 협력하여 하나의 큰 미션을 완수하도록 설계하는 시스템 설계 방식. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 집단 지능은 '집단 사고(Groupthink)'라는 함정에 빠질 수 있다. 다양성이 결여되고 한 목소리만 내게 되면 집단 지능은 순식간에 **'집단 우매함'**으로 전략하며 버블과 대량 학살 같은 비극을 초래하기도 한다. - -## 🔗 지식 연결 (Graph) -- Related: [[Distributed-Systems-Engineering]] , [[Combinatorial-Optimization]] -- Foundation: [[Complexity-Theory]] diff --git a/AI/Combinatorial Game Theory.md b/AI/Combinatorial Game Theory.md deleted file mode 100644 index 6fe4c17d..00000000 --- a/AI/Combinatorial Game Theory.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-CGT -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.99 -tags: [Game Theory, Combinatorial, Logic, Math, Strategy] -last_reinforced: 2026-04-20 ---- - -# [[Combinatorial-Game-Theory]] (조합론적 게임 이론 CGT) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 우연도 숨겨진 정보도 없는 '완전 정보 게임'에서, 수학적으로 필승 전략(Winning Strategy)이 반드시 존재함을 증명하고 찾아내는 지적 유희다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Perfect Information Games**: - - 체스, 바둑, 님(Nim) 게임처럼 모든 정보가 공개되어 있고 주사위 같은 확률 요소가 없는 게임. -- **Game Tree Search**: - - 모든 가능한 수의 경로를 트리 구조로 나타내고, 리프 노드(결과)에서부터 위로 거슬러 올라가며 최선의 수를 찾는 방식. -- **Normal Play Convention**: - - "마지막 수를 두는 사람이 이긴다"는 규칙 하의 전략 분석. 게임을 숫자(Value)로 치환하여 복잡한 게임을 더 단순한 게임의 합으로 분해한다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 바둑처럼 경우의 수가 우주 원자 수보다 많은 경우, 고전적인 CGT만으로는 해결이 불가능하다. 이때 알파고처럼 딥러닝과 몬테카를로 트리 탐색(MCTS)을 결합하여 '근사적 필승 전략'을 찾는 방식으로 현대적 진화가 일어났다. - -## 🔗 지식 연결 (Graph) -- Related: [[AlphaGo (Monte Carlo Tree Search + RL)]] , [[Reinforcement Learning]] -- Foundation: [[Computational Thinking]] diff --git a/AI/Combinatorial-Optimization.md b/AI/Combinatorial-Optimization.md deleted file mode 100644 index 76141c97..00000000 --- a/AI/Combinatorial-Optimization.md +++ /dev/null @@ -1,28 +0,0 @@ ---- -id: P-REINFORCE-AI-COMBO-OPT -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.99 -tags: [Optimization, Combinatorial, NP-Hard, Algorithm] -last_reinforced: 2026-04-20 ---- - -# [[Combinatorial-Optimization]] (조합 최적화) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 무한에 가까운 선택지 속에서 '가장 싸거나', '가장 빠르거나', '가장 효율적인' 단 하나의 조합을 찾아내는 공학의 극한이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **NP-Hard Problems**: - - **외판원 문제 (TSP)**: 모든 도시를 한 번씩 방문하고 돌아오는 최단 경로 찾기. - - **배낭 문제 (Knapsack)**: 무게 제한 내에 가치가 최대가 되도록 짐 싸기. -- **Heuristics & Meta-heuristics**: - - 최적해를 찾는 것이 불가능에 가까울 때, '적당히 좋은 해'를 빠르게 찾는 기법. (예: 유전 알고리즘, 담금질 기법(Simulated Annealing)). -- **Integer Programming**: - - 변수가 정수여야 하는 제약 조건 하에서 최적의 해를 구하는 수학적 기법. 물류 최적화, 스케줄링 등에 필수적이다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 최근에는 강화학습 에이전트가 조합 최적화 문제를 스스로 학습하여 푸는 연구가 활발하다. 특히 칩 설계(Chip Layout)나 데이터 센터 에너지 최적화 등에서 AI가 인간 설계자를 뛰어넘는 성과를 내고 있다. - -## 🔗 지식 연결 (Graph) -- Related: [[Distributed-Systems-Engineering]] , [[Reinforcement Learning]] -- Foundation: [[Computational Thinking]] diff --git a/AI/CompCert-C-Compiler.md b/AI/CompCert-C-Compiler.md deleted file mode 100644 index 8472b0e9..00000000 --- a/AI/CompCert-C-Compiler.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-4D22EB -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - CompCert-C-Compiler" ---- - -# [[CompCert-C-Compiler]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/CompCert-C-Compiler.md]] ---- diff --git a/AI/Complexity Theory.md b/AI/Complexity Theory.md deleted file mode 100644 index aec28e98..00000000 --- a/AI/Complexity Theory.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-C7076A -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Complexity Theory" ---- - -# [[Complexity Theory]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Complexity Theory.md]] ---- diff --git a/AI/Computational Creativity.md b/AI/Computational Creativity.md deleted file mode 100644 index 51340817..00000000 --- a/AI/Computational Creativity.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-E2FD01 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Computational Creativity" ---- - -# [[Computational Creativity]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Computational Creativity.md]] ---- diff --git a/AI/Computational Neuroscience of Reinforcement Learning.md b/AI/Computational Neuroscience of Reinforcement Learning.md deleted file mode 100644 index d2f398e0..00000000 --- a/AI/Computational Neuroscience of Reinforcement Learning.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-457C50 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Computational Neuroscience of Reinforcement Learning" ---- - -# [[Computational Neuroscience of Reinforcement Learning]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Computational Neuroscience of Reinforcement Learning.md]] ---- diff --git a/AI/Computational-Creativity.md b/AI/Computational-Creativity.md deleted file mode 100644 index 427780d3..00000000 --- a/AI/Computational-Creativity.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-90667E -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Computational-Creativity" ---- - -# [[Computational-Creativity]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Computational-Creativity.md]] ---- diff --git a/AI/Computer Vision.md b/AI/Computer Vision.md deleted file mode 100644 index 980f2547..00000000 --- a/AI/Computer Vision.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-CV -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.99 -tags: [Computer Vision, Deep Learning, Image Processing, Object Detection] -last_reinforced: 2026-04-20 ---- - -# [[Computer-Vision]] (컴퓨터 비전) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "기계에게 눈을 부여하는 기술." 픽셀 데이터에서 패턴을 찾아내고, 그것이 '고양이'인지 '보행자'인지, 아니면 '암세포'인지 해석하는 AI의 시각 시스템이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Image Recognition & Classification**: - - 사진을 보고 무엇인지 레이블링하는 기초 단계. CNN(Convolutional Neural Networks)의 등장으로 혁명적인 변화가 일어났다. -- **Object Detection & Segmentation**: - - 화면 안의 사물 위치를 박스로 표시(Detection)하거나, 픽셀 단위로 경계를 칠하는(Segmentation) 정밀 작업. 자율주행의 핵심이다. -- **Vision Transformers (ViT)**: - - 최근 NLP에서 쓰이는 'Attention' 기법을 이미지 처리에 도입하여, 기존 CNN의 한계를 넘어서는 성능을 보여주고 있다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 컴퓨터 비전은 빛의 조건, 가림(Occlusion), 앵글의 변화에 여전히 취약한 면이 있다. 이를 극복하기 위해 다각도 카메라와 라이다(LiDAR) 데이터를 합치는 '센서 퓨전(Sensor Fusion)' 기술이 활발히 연구되고 있다. - -## 🔗 지식 연결 (Graph) -- Related: [[Autonomous-Vehicle-Path-Planning]] , [[Robotic Manipulation]] -- Foundation: [[Information Theory]] diff --git a/AI/Computer-Aided-Design (CAD).md b/AI/Computer-Aided-Design (CAD).md deleted file mode 100644 index e4ef2ac1..00000000 --- a/AI/Computer-Aided-Design (CAD).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-518851 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Computer-Aided-Design (CAD)" ---- - -# [[Computer-Aided-Design (CAD)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Computer-Aided-Design (CAD).md]] ---- diff --git a/AI/Computer_Vision.md b/AI/Computer_Vision.md deleted file mode 100644 index 503fe54e..00000000 --- a/AI/Computer_Vision.md +++ /dev/null @@ -1,29 +0,0 @@ ---- -id: P-REINFORCE-AI-001 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.97 -tags: [ai, computer-vision, cnn, transformer] -last_reinforced: 2026-04-20 -github_commit: "batch-reinforce-03" ---- - -# [[Computer Vision]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 디지털 이미지와 비디오에서 고차원적인 의미를 추출하여 기계가 세상을 '보고' '이해하게' 만드는 AI의 감각 기관. - -## 📖 구조화된 지식 (Synthesized Content) -- **추출된 패턴:** 이미지 픽셀에서 특징(Feature)을 추출하고 이를 계층적으로 구조화하여 객체를 인식하는 비전 처리 패턴. -- **세부 내용:** - - CNN(합성곱 신경망)에서 ViT(비전 트랜스포머)로의 아키텍처 진화. - - 이미지 분류, 객체 탐지, 세그멘테이션 등 핵심 태스크 Taxonomy 정의. - - 실시간 객체 추적 및 공간 이해를 위한 딥러닝 기법 통합. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 기하학적 매칭 중심의 전통적 CV에서 데이터 기반의 신경망 학습 모델로 패러다임 완전 전환. -- **정책 변화:** 기술적 정확도(w1)와 윤리적 프라이버시 보호의 가중치 균형 조절. - -## 🔗 지식 연결 (Graph) -- **Parent:** [[10_Wiki/💡 Topics/AI]] -- **Related:** [[CV_Synthesis]], [[Object-Detection]], [[CNN]] -- **Raw Source:** [[00_Raw/2026-04-20/Computer Vision.md]] diff --git a/AI/Concept Drift (개념 드리프트).md b/AI/Concept Drift (개념 드리프트).md deleted file mode 100644 index ecddf505..00000000 --- a/AI/Concept Drift (개념 드리프트).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-63C90D -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Concept Drift (개념 드리프트)" ---- - -# [[Concept Drift (개념 드리프트)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Concept Drift (개념 드리프트).md]] ---- diff --git a/AI/Concept Mapping.md b/AI/Concept Mapping.md deleted file mode 100644 index 5f2289eb..00000000 --- a/AI/Concept Mapping.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-CONCMAP -category: "[[10_Wiki/💡 Topics/Science]]" -confidence_score: 0.96 -tags: [Concept Mapping, Learning Strategy, Metacognition, Education] -last_reinforced: 2026-04-20 ---- - -# [[Concept-Mapping]] (개념 지도 제작) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "지식의 지도를 그려라." 파편화된 정보를 선과 화살표로 연결하여, 복잡한 개념들 사이의 인과 관계와 상부 구조를 한눈에 파악하는 학습의 시각화 전략이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Hierarchical Structure**: - - 가장 포괄적인 주제를 상단(Root)에 두고, 하부로 갈수록 세부적인 개념이 연결되는 트리 또는 네트워크 구조. -- **Cross-Links**: - - 서로 다른 영역에 있는 개념들을 연결함으로써 뜻밖의 통찰(Insight)을 얻게 해주는 가장 중요한 기능 중 하나. -- **Cognitive Load Reduction**: - - 머릿속에서 어지럽게 뒤섞인 정보를 종이 위에 모델링함으로써 실제 사고하는 뇌의 부하를 줄여준다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 개념 지도를 그리는 것 자체가 '목적'이 되면 시간 낭비가 될 수 있다(예쁜 맵 그리기 함정). 핵심은 맵을 완성하는 것이 아니라, 연결 고리를 고민하는 과정 그 자체다. 현대에는 Obsidian의 Graph View처럼 자동화된 맵 도구가 보조 수단으로 각광받고 있다. - -## 🔗 지식 연결 (Graph) -- Related: [[Cognitive Psychology]] , [[Information Theory]] -- Application: [[Complex Systemic Modeling Protocols]] diff --git a/AI/Concurrent Programming.md b/AI/Concurrent Programming.md deleted file mode 100644 index c2dd1796..00000000 --- a/AI/Concurrent Programming.md +++ /dev/null @@ -1,28 +0,0 @@ ---- -id: P-REINFORCE-AI-CONCUR -category: "[[10_Wiki/💡 Topics/Programming & Language]]" -confidence_score: 0.98 -tags: [Concurrent Programming, Multi-threading, Parallelism, Async] -last_reinforced: 2026-04-20 ---- - -# [[Concurrent-Programming]] (동시성 프로그래밍) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "함께 달리는 기술." 여러 작업이 하나의 자원을 두고 싸우지 않게 조율하며, 한 번에 많은 일을 처리하는 오케스트레이션이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Concurrecy vs Parallelism**: - - **Concurrency**: 논리적으로 여러 작업이 동시에 진행되는 것(Context Switch). - - **Parallelism**: 물리적으로 여러 CPU에서 작업이 동시에 돌아가는 것. -- **Race Condition & Deadlock**: - - 자원을 두고 경쟁할 때 데이터가 꼬이거나(Race), 서로 기다리느라 멈춰버리는(Deadlock) 현상. 이를 해결하기 위해 Mutex, Semaphore, Actor model 등이 쓰인다. -- **Asynchronous I/O**: - - 네트워크 요청처럼 오래 걸리는 일을 던져두고 다음 일을 처리하다가, 완료되면 알림을 받는 방식. (JS의 Event Loop가 대표적). - -## ⚠️ 모순 및 업데이트 (RL Update) -- 동시성은 '공짜'가 아니다. 스레드나 프로세스를 전환하는 오버헤드가 더 클 수도 있다. 최근에는 Coroutine(Go, Rust)이나 가상 스레드(Java) 같이 아주 가벼운 단위의 동시성 모델이 주류로 자리 잡았다. - -## 🔗 지식 연결 (Graph) -- Related: [[Distributed-Systems-Engineering]] , [[B-Tree]] -- Foundation: [[Clean-Architecture-Implementation]] diff --git a/AI/Conditioning and Learning ( ).md b/AI/Conditioning and Learning ( ).md deleted file mode 100644 index 01a73c58..00000000 --- a/AI/Conditioning and Learning ( ).md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-SCI-CONDITIONING -category: "[[10_Wiki/💡 Topics/Science]]" -confidence_score: 0.97 -tags: [Conditioning, Behavioral Science, Learning, Psychology] -last_reinforced: 2026-04-20 ---- - -# [[Conditioning-and-Learning]] (조건 형성과 학습) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "행동은 보상의 결과물이다." 자극과 반응이 결합하여 습관이 되고, 보상의 타이밍에 따라 행동이 강화되거나 사라지는 메커니즘이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Classical Conditioning (고전적 조건 형성)**: - - 비자발적 반사 반응 학습. 파블로프의 개 실험처럼 중립 자극이 무조건 자극과 결합하여 반응을 이끌어내는 방식. -- **Operant Conditioning (조작적 조건 형성)**: - - 자발적 행동 학습. 행동의 결과가 보상(강화)이면 반복하고, 처벌이면 멈추는 방식. 스키너의 실험이 대표적이다. -- **Variable Reward Schedule**: - - 보상을 가끔씩 예측 불가능하게 줄 때 행동이 가장 강력하게 유지된다(도박, 가챠 게임의 원리). - -## ⚠️ 모순 및 업데이트 (RL Update) -- 인간은 단순히 보상에만 따라 움직이는 존재가 아니다(행동주의의 한계). 사회적 학습(관찰 학습)과 내면의 필터링이 작용한다. AI 분야의 강화학습(RL)은 이 조작적 조건 형성을 수학적으로 모델링하여 기계가 스스로 전략을 찾게 만든다. - -## 🔗 지식 연결 (Graph) -- Related: [[Behavioral-Economics]] , [[Cognitive Evaluation Theory]] -- Foundation: [[Reinforcement Learning]] diff --git a/AI/Connect AI 기술 문서 및 사용 설명서.md b/AI/Connect AI 기술 문서 및 사용 설명서.md deleted file mode 100644 index bf563d14..00000000 --- a/AI/Connect AI 기술 문서 및 사용 설명서.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-D1D238 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Connect AI 기술 문서 및 사용 설명서" ---- - -# [[Connect AI 기술 문서 및 사용 설명서]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Connect AI 기술 문서 및 사용 설명서.md]] ---- diff --git a/AI/Connect AI 시스템 아키텍처 및 데이터 흐름 분석.md b/AI/Connect AI 시스템 아키텍처 및 데이터 흐름 분석.md deleted file mode 100644 index 612aad98..00000000 --- a/AI/Connect AI 시스템 아키텍처 및 데이터 흐름 분석.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-3841AD -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Connect AI 시스템 아키텍처 및 데이터 흐름 분석" ---- - -# [[Connect AI 시스템 아키텍처 및 데이터 흐름 분석]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Connect AI 시스템 아키텍처 및 데이터 흐름 분석.md]] ---- diff --git a/AI/Constitutional AI (헌법 AI).md b/AI/Constitutional AI (헌법 AI).md deleted file mode 100644 index 39f11a2d..00000000 --- a/AI/Constitutional AI (헌법 AI).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-938CE2 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Constitutional AI (헌법 AI)" ---- - -# [[Constitutional AI (헌법 AI)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Constitutional AI (헌법 AI).md]] ---- diff --git a/AI/Constraint Satisfaction Problems (CSP).md b/AI/Constraint Satisfaction Problems (CSP).md deleted file mode 100644 index 99a95409..00000000 --- a/AI/Constraint Satisfaction Problems (CSP).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-075C49 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Constraint Satisfaction Problems (CSP)" ---- - -# [[Constraint Satisfaction Problems (CSP)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Constraint Satisfaction Problems (CSP).md]] ---- diff --git a/AI/Constraint-Satisfaction-Problems.md b/AI/Constraint-Satisfaction-Problems.md deleted file mode 100644 index 98fd2db3..00000000 --- a/AI/Constraint-Satisfaction-Problems.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-BE1BD5 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Constraint-Satisfaction-Problems" ---- - -# [[Constraint-Satisfaction-Problems]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Constraint-Satisfaction-Problems.md]] ---- diff --git a/AI/Continuous-Discovery.md b/AI/Continuous-Discovery.md deleted file mode 100644 index d38db15f..00000000 --- a/AI/Continuous-Discovery.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-8E53F2 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Continuous-Discovery" ---- - -# [[Continuous-Discovery]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Continuous-Discovery.md]] ---- diff --git a/AI/Control Systems Engineering.md b/AI/Control Systems Engineering.md deleted file mode 100644 index f2ac1e18..00000000 --- a/AI/Control Systems Engineering.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-5DA236 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Control Systems Engineering" ---- - -# [[Control Systems Engineering]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Control Systems Engineering.md]] ---- diff --git a/AI/Control-Theory.md b/AI/Control-Theory.md deleted file mode 100644 index e8118f80..00000000 --- a/AI/Control-Theory.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-35251E -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Control-Theory" ---- - -# [[Control-Theory]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Control-Theory.md]] ---- diff --git a/AI/Conways On Numbers and Games.md b/AI/Conways On Numbers and Games.md deleted file mode 100644 index 3e6033d6..00000000 --- a/AI/Conways On Numbers and Games.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-6026CC -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Conways On Numbers and Games" ---- - -# [[Conways On Numbers and Games]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Conway's On Numbers and Games.md]] ---- diff --git a/AI/Corgea.md b/AI/Corgea.md deleted file mode 100644 index a059f4d2..00000000 --- a/AI/Corgea.md +++ /dev/null @@ -1,34 +0,0 @@ ---- -id: P-REINFORCE-AUTO-DA5E03 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Corgea" ---- - -# [[Corgea]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> Corgea는 대형 언어 모델(LLM)을 사후 스캔 분류가 아닌 핵심 스캐닝 엔진의 일부로 직접 활용하는 AI 네이티브 정적 애플리케이션 보안 테스트(SAST) 플랫폼입니다 [1]. 패턴 기반 스캐너가 놓치기 쉬운 복잡한 비즈니스 로직 결함을 깊이 있게 이해하고, 5% 미만의 낮은 오탐지율(False Positive rate)을 달성하여 기존 SAST 도구의 노이즈 문제를 해결합니다 [1-4]. 20개 이상의 언어를 지원하며, 검증된 AI 자동 수정(Auto-fix) 기능을 개발자의 작업 흐름(IDE 및 PR) 내에 직접 제공하는 것이 특징입니다 [2, 3]. - -## 📖 구조화된 지식 (Synthesized Content) -- **AI 네이티브 탐지 및 문맥 이해**: Corgea는 LLM을 스캐닝 과정에 활용하여 코드의 문맥과 의도를 파악합니다. 이를 통해 단순한 패턴 매칭만으로는 찾기 힘든 비즈니스 로직 취약점(예: 손상된 인증 시스템 등)을 탐지할 수 있습니다 [3, 5]. 이러한 접근 방식은 오탐지율을 5% 미만으로 크게 낮추는 데 기여합니다 [2, 4]. -- **PolicyIQ를 통한 맞춤형 문맥화**: 팀이 자연어를 사용하여 비즈니스 및 환경적 맥락을 제공할 수 있도록 하는 PolicyIQ 기능을 지원합니다 [3]. 스캐너는 이 컨텍스트를 활용하여 탐지 정확도를 개선하고 보다 적절한 수정안을 생성합니다 [3]. -- **도달 가능성 분석(Reachability Analysis)**: SAST 도달 가능성 분석을 수행하여 엔드포인트를 확인하고, 취약한 함수로 이어지는 콜 그래프(Call graph)를 생성하여 해당 취약점이 실제로 도달하여 악용될 수 있는지를 판별합니다 [3]. -- **워크플로우 통합 및 자동 수정**: Corgea는 IDE 및 Pull Request(PR) 단계에서 AI가 생성하고 검증한 수정안을 제공하여, 개발자가 평소 작업하는 흐름 내에서 직접 문제를 해결할 수 있도록 돕습니다 [2, 3]. 독립적인 Latio.tech 보고서에서 시중 최고의 자동 수정 도구로 평가받은 바 있습니다 [3]. -- **잠재적 한계점**: 시장 진입이 비교적 최근에 이루어졌기 때문에 Latio.tech 보고서 외에는 독립적인 벤치마킹 데이터가 아직 부족하다는 점이 한계로 꼽힙니다 [6]. 또한, AI를 통해 오탐지를 크게 줄이기는 하지만 완벽하게 제거할 수는 없으며, 기존의 확고한 레거시 벤더들에 비해 기업 내 도입 설득이 더 어려울 수 있습니다 [6]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[SAST]], [[LLM]], [[PolicyIQ]], [[Reachability Analysis]] -- **Projects/Contexts:** [[Latio.tech Report]], [[Best SAST Tools in 2026]] -- **Contradictions/Notes:** 독립적인 평가(Latio.tech)에서 최고의 자동 수정 도구로 극찬을 받았으나, 신생 플랫폼인 탓에 다양한 객관적 벤치마킹 자료가 아직 부족하다는 점이 동시에 지적되고 있습니다 [3, 6]. - ---- -*Last updated: 2026-04-18* -- Raw Source: [[00_Raw/2026-04-20/Corgea.md]] ---- diff --git a/AI/Corporate-LMS-Training.md b/AI/Corporate-LMS-Training.md deleted file mode 100644 index a3555e87..00000000 --- a/AI/Corporate-LMS-Training.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-51DD02 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Corporate-LMS-Training" ---- - -# [[Corporate-LMS-Training]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Corporate-LMS-Training.md]] ---- diff --git a/AI/Creativity Research.md b/AI/Creativity Research.md deleted file mode 100644 index 64a5f756..00000000 --- a/AI/Creativity Research.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-3C4B46 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Creativity Research" ---- - -# [[Creativity Research]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Creativity Research.md]] ---- diff --git a/AI/Credit Assignment Problem.md b/AI/Credit Assignment Problem.md deleted file mode 100644 index c05018ab..00000000 --- a/AI/Credit Assignment Problem.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-55E155 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Credit Assignment Problem" ---- - -# [[Credit Assignment Problem]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Credit Assignment Problem.md]] ---- diff --git a/AI/Custom-ESLint-Rules-Development.md b/AI/Custom-ESLint-Rules-Development.md deleted file mode 100644 index 7efab2e7..00000000 --- a/AI/Custom-ESLint-Rules-Development.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-4AB505 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Custom-ESLint-Rules-Development" ---- - -# [[Custom-ESLint-Rules-Development]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Custom-ESLint-Rules-Development.md]] ---- diff --git a/AI/Customer-Journey-Mapping.md b/AI/Customer-Journey-Mapping.md deleted file mode 100644 index 97721ea2..00000000 --- a/AI/Customer-Journey-Mapping.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-47D82D -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Customer-Journey-Mapping" ---- - -# [[Customer-Journey-Mapping]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Customer-Journey-Mapping.md]] ---- diff --git a/AI/Cybernetics.md b/AI/Cybernetics.md deleted file mode 100644 index 735ee1a0..00000000 --- a/AI/Cybernetics.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-F6EC43 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Cybernetics" ---- - -# [[Cybernetics]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Cybernetics.md]] ---- diff --git a/AI/DPO (Direct Preference Optimization).md b/AI/DPO (Direct Preference Optimization).md deleted file mode 100644 index 457257da..00000000 --- a/AI/DPO (Direct Preference Optimization).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-D43239 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - DPO (Direct Preference Optimization)" ---- - -# [[DPO (Direct Preference Optimization)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/DPO (Direct Preference Optimization).md]] ---- diff --git a/AI/DQN.md b/AI/DQN.md deleted file mode 100644 index b8376c88..00000000 --- a/AI/DQN.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-DQN -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.99 -tags: [DQN, Deep Q-Networks, Reinforcement Learning, AI] -last_reinforced: 2026-04-20 ---- - -# [[DQN]] (심층 Q-네트워크) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "딥러닝이 강화학습의 눈이 되었다." 테이블 방식의 한계를 넘어, 복잡한 화면 이미지(픽셀)를 직접 보고 최적의 행동을 결정하게 만든 AI 역사의 한 획이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Experience Replay**: - - 과거의 경험을 메모리 버퍼에 저장했다가 무작위로 꺼내 학습함으로써, 데이터 간의 상관관계를 끊고 학습 안전성을 높인다. -- **Fixed Q-Targets**: - - 학습 대상(Target)이 계속 변해서 생기는 불안정성을 막기 위해, 별도의 타겟 네트워크를 두고 일정한 주기마다 업데이트한다. -- **Application**: - - 아타리(Atari) 게임 정복부터 로봇 제어, 주식 트레이딩 등 불확실한 환경의 의사결정에 널리 쓰인다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- DQN은 행동 공간(Action Space)이 이산적(Discrete)일 때만 유리하다. 연속적인 움직임이 필요한 자율주행이나 로봇 팔 제어에는 `DDPG`나 `PPO` 같은 후속 알고리즘이 더 많이 사용된다. - -## 🔗 지식 연결 (Graph) -- Related: [[Reinforcement Learning]] , [[Bellman-Equation]] -- Foundation: [[Information Theory]] diff --git a/AI/Data Cleaning Algorithms.md b/AI/Data Cleaning Algorithms.md deleted file mode 100644 index f354b2c6..00000000 --- a/AI/Data Cleaning Algorithms.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-DATA-CLEAN -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.97 -tags: [Data Cleaning, Machine Learning, Data Quality, Preprocessing] -last_reinforced: 2026-04-20 ---- - -# [[Data-Cleaning-Algorithms]] (데이터 정제 알고리즘) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "품질이 성능을 이긴다." 모델의 구조를 바꾸는 것보다 데이터 속의 노이즈와 중복을 제거하는 것이 AI 성능 향상에 훨씬 더 드라마틱한 결과(Data-centric AI)를 준다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Outlier Detection**: - - 통계적 기법(Z-score, IQR) 또는 머신러닝(Isolation Forest)을 통해 정상 범위를 벗어난 이상치를 탐지하고 처리한다. -- **Handling Missing Values**: - - 비어있는 값을 평균값으로 채울지, 아니면 예측 모델을 통해 추론해서 채울지(Imputation) 전략을 수립한다. -- **Normalization & Scaling**: - - 데이터의 수치가 너무 제각각이면 학습이 불안정해지므로, 일정한 범위(0~1 등)로 맞추는 스케일링 과정이 필수적이다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 무조건적인 데이터 삭제는 '중요한 예외 상황(Edge case)' 정보까지 날려버릴 수 있다. 특히 사고 예방이 중요한 보안이나 자율주행 분야에서는 이상 데이터를 버리기보다, 그것이 왜 발생했는지 분석하는 프로세스가 병행되어야 한다. - -## 🔗 지식 연결 (Graph) -- Related: [[Information Theory]] , [[Reliability_Safety_First]] -- Foundation: [[Computational Thinking]] diff --git a/AI/Data Distillation (데이터 증류).md b/AI/Data Distillation (데이터 증류).md deleted file mode 100644 index 1ea9bbb8..00000000 --- a/AI/Data Distillation (데이터 증류).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-2EC269 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Data Distillation (데이터 증류)" ---- - -# [[Data Distillation (데이터 증류)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Data Distillation (데이터 증류).md]] ---- diff --git a/AI/Data-Augmentation-for-Medical-Imaging.md b/AI/Data-Augmentation-for-Medical-Imaging.md deleted file mode 100644 index 91aecaf2..00000000 --- a/AI/Data-Augmentation-for-Medical-Imaging.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-258909 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Data-Augmentation-for-Medical-Imaging" ---- - -# [[Data-Augmentation-for-Medical-Imaging]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Data-Augmentation-for-Medical-Imaging.md]] ---- diff --git a/AI/Data-Science-in-UX.md b/AI/Data-Science-in-UX.md deleted file mode 100644 index af17dfec..00000000 --- a/AI/Data-Science-in-UX.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-235CC7 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Data-Science-in-UX" ---- - -# [[Data-Science-in-UX]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Data-Science-in-UX.md]] ---- diff --git a/AI/Data-Transfer-Object-Design.md b/AI/Data-Transfer-Object-Design.md deleted file mode 100644 index c4ae231a..00000000 --- a/AI/Data-Transfer-Object-Design.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-21E554 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Data-Transfer-Object-Design" ---- - -# [[Data-Transfer-Object-Design]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Data-Transfer-Object-Design.md]] ---- diff --git a/AI/Dead Space (Series).md b/AI/Dead Space (Series).md deleted file mode 100644 index afd55743..00000000 --- a/AI/Dead Space (Series).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-989941 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Dead Space (Series)" ---- - -# [[Dead Space (Series)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Dead Space (Series).md]] ---- diff --git a/AI/Deceptive Alignment (기만적 정렬).md b/AI/Deceptive Alignment (기만적 정렬).md deleted file mode 100644 index edc172c7..00000000 --- a/AI/Deceptive Alignment (기만적 정렬).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-EB9E46 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Deceptive Alignment (기만적 정렬)" ---- - -# [[Deceptive Alignment (기만적 정렬)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Deceptive Alignment (기만적 정렬).md]] ---- diff --git a/AI/Decision Theory.md b/AI/Decision Theory.md deleted file mode 100644 index 32c46eac..00000000 --- a/AI/Decision Theory.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-B8B3FB -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Decision Theory" ---- - -# [[Decision Theory]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Decision Theory.md]] ---- diff --git a/AI/Declaration Files (dts).md b/AI/Declaration Files (dts).md deleted file mode 100644 index dd1ea1d1..00000000 --- a/AI/Declaration Files (dts).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-D2F3A4 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Declaration Files (dts)" ---- - -# [[Declaration Files (dts)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Declaration Files (.d.ts).md]] ---- diff --git a/AI/Declaration-Files.md b/AI/Declaration-Files.md deleted file mode 100644 index 1b7e9c35..00000000 --- a/AI/Declaration-Files.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-2150D3 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Declaration-Files" ---- - -# [[Declaration-Files]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Declaration-Files.md]] ---- diff --git a/AI/Deep Q-Networks (DQN).md b/AI/Deep Q-Networks (DQN).md deleted file mode 100644 index a054c788..00000000 --- a/AI/Deep Q-Networks (DQN).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-704527 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Deep Q-Networks (DQN)" ---- - -# [[Deep Q-Networks (DQN)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Deep Q-Networks (DQN).md]] ---- diff --git a/AI/Deep-Convolutional-GANs.md b/AI/Deep-Convolutional-GANs.md deleted file mode 100644 index 3113d5e5..00000000 --- a/AI/Deep-Convolutional-GANs.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-84A34B -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Deep-Convolutional-GANs" ---- - -# [[Deep-Convolutional-GANs]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Deep-Convolutional-GANs.md]] ---- diff --git a/AI/DeepCode AI.md b/AI/DeepCode AI.md deleted file mode 100644 index 76aa8cda..00000000 --- a/AI/DeepCode AI.md +++ /dev/null @@ -1,37 +0,0 @@ ---- -id: P-REINFORCE-AUTO-A75F29 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - DeepCode AI" ---- - -# [[DeepCode AI]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> DeepCode AI는 수백만 개의 오픈소스 코드 커밋을 학습하여 취약점을 탐지하고 수정 사항을 제안하는 머신러닝(ML) 기반의 목적 맞춤형 보안 AI 엔진입니다 [1-3]. 2020년 보안 기업 Snyk이 스위스 AI 스타트업인 DeepCode를 인수하여 자사의 정적 애플리케이션 보안 테스트(SAST) 도구인 Snyk Code의 핵심 인텔리전스 계층으로 통합했습니다 [1, 2, 4]. 이 엔진은 단순한 규칙 기반 패턴 매칭을 넘어 기호적 AI(Symbolic AI)와 신경망을 결합하여 코드의 의미(semantics)와 데이터 흐름을 깊이 있게 이해합니다 [4, 5]. - -## 📖 구조화된 지식 (Synthesized Content) -- **엔진의 작동 방식 및 분석 기법** - DeepCode AI 엔진은 코드를 텍스트로 생성하는 일반적인 대형 언어 모델(LLM) 방식이 아니라, 기호적 추론(symbolic reasoning)과 신경망을 결합해 코드의 의미론적 표현(semantic representation)을 구축합니다 [1, 5]. 2,500만 개 이상의 데이터 흐름 사례와 19개 이상의 프로그래밍 언어를 지원하며, 파일 간 데이터 흐름(interfile dataflow analysis)을 추적하여 여러 파일이나 모듈의 경계를 넘나드는 복잡한 취약점을 파악합니다 [4, 6, 7]. 고정된 패턴이 아닌 코드의 의도를 이해하므로 대규모 변종 탐지(variant detection)에 매우 뛰어납니다 [6, 8]. - -- **딥코드 AI 픽스(DeepCode AI Fix)를 통한 자동 수정** - 이 엔진의 가장 눈에 띄는 기능 중 하나는 취약점 발견 시 해결 방안을 제안하는 'DeepCode AI Fix'입니다 [9]. 일반적인 LLM 생성 수정안과 달리, DeepCode AI Fix는 실제 오픈소스 프로젝트에서 개발자들이 해당 취약점을 해결했던 검증된 패턴들을 특별히 학습했습니다 [9]. 이를 통해 가짜 정보(Hallucination) 위험을 줄이고 보다 신뢰할 수 있으며 문맥에 알맞은 수정안을 제시합니다 [7, 9]. - -- **낮은 오탐률(False Positive Rate)과 개발자 친화성** - 수많은 실제 오픈소스 커밋의 취약점 패턴과 그에 대응하는 수정 데이터를 학습했기 때문에, 단순히 의심스러워 보이는 코드와 실제로 악용 가능한 코드를 정확히 식별합니다 [3, 10]. 그 결과, 기존의 전통적인 규칙 기반 SAST 도구들을 사용할 때 흔히 겪는 수많은 오탐(False Positives)과 노이즈를 크게 줄일 수 있습니다 [5, 10]. 또한 스캔 속도가 매우 빨라 IDE 내에서 개발 워크플로우를 방해하지 않고 실시간으로 실행될 수 있습니다 [2]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[Snyk Code]], [[SAST (Static Application Security Testing)]], [[Symbolic AI]], [[Machine Learning]] -- **Projects/Contexts:** [[Snyk 플랫폼을 통한 IDE 및 CI/CD 파이프라인 통합 보안 검토 프로젝트]] -- **Contradictions/Notes:** DeepCode AI가 자동으로 취약점을 감지하고 수정안을 제시하지만, 일부 결과는 여전히 수동 검증이 필요하며 분석의 깊이는 언어에 따라 다를 수 있다는 점이 지적됩니다 [6]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/DeepCode AI.md]] ---- diff --git a/AI/Deepfake-Detection-Research.md b/AI/Deepfake-Detection-Research.md deleted file mode 100644 index e8ec59a9..00000000 --- a/AI/Deepfake-Detection-Research.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-DD74C9 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Deepfake-Detection-Research" ---- - -# [[Deepfake-Detection-Research]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Deepfake-Detection-Research.md]] ---- diff --git a/AI/Default Mode Network (DMN).md b/AI/Default Mode Network (DMN).md deleted file mode 100644 index 8221a382..00000000 --- a/AI/Default Mode Network (DMN).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-B914F1 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Default Mode Network (DMN)" ---- - -# [[Default Mode Network (DMN)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Default Mode Network (DMN).md]] ---- diff --git a/AI/DefinitelyTyped.md b/AI/DefinitelyTyped.md deleted file mode 100644 index eb6ff2f5..00000000 --- a/AI/DefinitelyTyped.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-4BB90C -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - DefinitelyTyped" ---- - -# [[DefinitelyTyped]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/DefinitelyTyped.md]] ---- diff --git a/AI/Degrees-of-Freedom.md b/AI/Degrees-of-Freedom.md deleted file mode 100644 index 01cf2a91..00000000 --- a/AI/Degrees-of-Freedom.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-B68509 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Degrees-of-Freedom" ---- - -# [[Degrees-of-Freedom]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Degrees-of-Freedom.md]] ---- diff --git a/AI/Deliberate-Practice.md b/AI/Deliberate-Practice.md deleted file mode 100644 index f0850acd..00000000 --- a/AI/Deliberate-Practice.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-EE5EE5 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Deliberate-Practice" ---- - -# [[Deliberate-Practice]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Deliberate-Practice.md]] ---- diff --git a/AI/Denavit-Hartenberg-Parameters.md b/AI/Denavit-Hartenberg-Parameters.md deleted file mode 100644 index 78b6dc26..00000000 --- a/AI/Denavit-Hartenberg-Parameters.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-B3CEC1 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Denavit-Hartenberg-Parameters" ---- - -# [[Denavit-Hartenberg-Parameters]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Denavit-Hartenberg-Parameters.md]] ---- diff --git a/AI/Dense vs Sparse Neural Networks.md b/AI/Dense vs Sparse Neural Networks.md deleted file mode 100644 index d86eac42..00000000 --- a/AI/Dense vs Sparse Neural Networks.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-DENSE-SPARSE -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.98 -tags: [Neural Networks, Dense, Sparse, MoE, Efficiency] -last_reinforced: 2026-04-20 ---- - -# [[Dense-vs-Sparse-Neural-Networks]] (밀집 vs 희소 신경망) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "모두를 깨울 것인가, 필요한 놈만 깨울 것인가." 뇌가 모든 뉴런을 동시에 쓰지 않듯이, AI도 필요한 부위만 활성화하여 거대한 지능을 가볍게 유지하는 기술이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Dense Neural Networks**: - - 모든 입력과 출력이 촘촘하게 연결된 구조. 계산량은 많지만 구현이 쉽고 소규모 모델에 적합하다. -- **Sparse Neural Networks (Pruning)**: - - 중요하지 않은 가중치(영향력이 적은 연결)를 0으로 만들어 연산량을 줄이는 기법. -- **Mixture of Experts (MoE)**: - - 최근 GPT-4 등 거대 모델의 핵심 기술. 모델 안에 수십 명의 '전문가'를 두고, 질문의 성격에 맞는 전문가만 골라 활성화하여 성능은 높이고 연산 비용은 낮춘다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 희소 행렬 연산은 하드웨어(GPU) 가속기에서 효율적으로 처리하기가 까다로운 면이 있다. 따라서 소프트웨어적인 '희소화'와 하드웨어의 '가속 효율' 사이의 균형점을 찾는 것이 현대 AI 공학의 최대 화두다. - -## 🔗 지식 연결 (Graph) -- Related: [[Differentiable-Programming]] , [[Deep-Reinforcement-Learning]] -- Foundation: [[Information Theory]] diff --git a/AI/Dependency-Graph-Analysis.md b/AI/Dependency-Graph-Analysis.md deleted file mode 100644 index c19c1a08..00000000 --- a/AI/Dependency-Graph-Analysis.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-597DF8 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Dependency-Graph-Analysis" ---- - -# [[Dependency-Graph-Analysis]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Dependency-Graph-Analysis.md]] ---- diff --git a/AI/Dependency-Injection.md b/AI/Dependency-Injection.md deleted file mode 100644 index 019b1bd6..00000000 --- a/AI/Dependency-Injection.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-D3C51B -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Dependency-Injection" ---- - -# [[Dependency-Injection]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Dependency-Injection.md]] ---- diff --git a/AI/Dependency-Inversion-Principle.md b/AI/Dependency-Inversion-Principle.md deleted file mode 100644 index a340143b..00000000 --- a/AI/Dependency-Inversion-Principle.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-4C0291 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Dependency-Inversion-Principle" ---- - -# [[Dependency-Inversion-Principle]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Dependency-Inversion-Principle.md]] ---- diff --git a/AI/DevOps-and-UX-Convergence.md b/AI/DevOps-and-UX-Convergence.md deleted file mode 100644 index e7575bec..00000000 --- a/AI/DevOps-and-UX-Convergence.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-9EB8EA -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - DevOps-and-UX-Convergence" ---- - -# [[DevOps-and-UX-Convergence]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/DevOps-and-UX-Convergence.md]] ---- diff --git a/AI/DevSecOps.md b/AI/DevSecOps.md deleted file mode 100644 index 421de756..00000000 --- a/AI/DevSecOps.md +++ /dev/null @@ -1,32 +0,0 @@ ---- -id: P-REINFORCE-AUTO-89C666 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - DevSecOps" ---- - -# [[DevSecOps]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> DevSecOps는 소프트웨어 개발 수명 주기(SDLC) 전반에 걸쳐 보안을 통합하는 방법론입니다 [1]. 핵심적인 접근 방식은 보안 점검을 개발 초기 단계로 앞당기는 '시프트 레프트(Shift-left)' 전략입니다 [2]. 기존 개발 워크플로우를 늦추지 않으면서도 CI/CD 파이프라인이나 개발 환경(IDE)에 코드 검사 도구 및 AI 자동화를 도입하여 보안 위협을 조기에 탐지하고 대응하는 것을 목표로 합니다 [2, 3]. - -## 📖 구조화된 지식 (Synthesized Content) -* **시프트 레프트(Shift-Left) 전략:** DevSecOps의 핵심은 개발 프로세스의 가장 이른 시점에 취약점을 발견하고 조치하는 '시프트 레프트'에 있습니다 [2]. 지속적 통합 및 지속적 배포(CI/CD) 파이프라인이나 개발자의 IDE 환경에 정적 애플리케이션 보안 테스트(SAST) 도구와 코드 체커를 구현하는 것이 DevSecOps의 가장 널리 인정받는 모범 사례입니다 [2, 4]. -* **AI 및 자동화의 결합:** 최신 DevSecOps 환경은 AI와 자동화를 도입하여 복잡한 보안 과제를 해결하고 있습니다 [3]. AI 기반 보안 분석 도구는 코드의 문맥과 데이터 흐름을 추적하여 패턴 기반 도구가 놓치기 쉬운 취약점을 찾아내며, 자동 수정(Auto-fix) 기능을 통해 스캔부터 수정까지의 주기를 최적화하고 시간을 절약하도록 돕습니다 [5-7]. -* **원활한 워크플로우 통합:** 성공적인 DevSecOps를 구축하려면 개발자의 일상적인 작업 환경에 보안 도구가 매끄럽게 통합되어야 합니다 [4]. 실시간 또는 풀 리퀘스트(PR) 단계에서 소스 코드를 분석하여 코딩 실수, 아키텍처 결함, 보안 취약점이 운영 환경에 배포되기 전에 조기 피드백을 제공합니다 [2, 8]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[SDLC]], [[Shift-Left]], [[SAST]], [[CI/CD]] -- **Projects/Contexts:** [[Snyk]], [[GitHub Advanced Security]], [[SonarQube]] 등 코드 품질 및 보안 분석 도구들을 개발 워크플로우(IDE, 리포지토리, CI/CD)에 연동하여 실시간 보안 피드백을 제공하는 방식으로 구성됩니다 [1, 2, 9]. -- **Contradictions/Notes:** DevSecOps 워크플로우에서 자동화된 검사는 필수적이지만, AI나 스캐너 도구는 비즈니스 로직이나 의도를 파악하지 못하는 맹점(Context Blindness)을 가지고 있습니다 [10]. 따라서 자동화 도구가 일상적이고 반복적인 취약점을 빠르게 잡아내고, 인간 리뷰어가 아키텍처와 복잡한 보안 컨텍스트에 집중하는 '하이브리드(Hybrid)' 접근법이 가장 이상적인 모델로 권장됩니다 [11, 12]. - ---- -*Last updated: 2026-04-18* -- Raw Source: [[00_Raw/2026-04-20/DevSecOps.md]] ---- diff --git a/AI/Differentiable Programming.md b/AI/Differentiable Programming.md deleted file mode 100644 index 1aa32506..00000000 --- a/AI/Differentiable Programming.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-DIF-PROG -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.98 -tags: [Differentiable Programming, AI, JAX, PyTorch, Optimization] -last_reinforced: 2026-04-20 ---- - -# [[Differentiable-Programming]] (미분 가능한 프로그래밍) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "프로그램 자체가 학습의 대상이다." 조건문, 루프, 라이브러리 함수까지 모두 조절 가능한 파라미터로 보고, 경사 하강법(Gradient Descent)으로 프로그램을 최적화하는 혁명적 패러다임이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **End-to-End Optimization**: - - 입력부터 출력까지 모든 연산 과정이 연결되어 있어, 오차(Loss)가 발생하면 프로그램 전체로 미분 신호(Gradient)를 전파해 스스로 수정하게 한다. -- **Software 2.0**: - - 안드레이 카파시가 제안한 개념. 사람이 일일이 로직을 짜는 Software 1.0에서, 데이터로부터 로직(신경망 가중치)이 생성되는 Software 2.0으로의 전환. -- **Frameworks**: - - `JAX`, `PyTorch` 등 자동 미분(Auto-grad) 기능을 가진 프레임워크들이 이 패러다임의 중추 역할을 한다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 모든 로직을 미분 가능하게 만들기는 어렵다(특히 불연속적인 이산적 선택). 이를 해결하기 위해 `Reinforce` 기법이나 `Gumbel-Softmax` 같은 트릭을 써서 확률적으로 미분 가능하게 연결하는 연구가 활발하다. - -## 🔗 지식 연결 (Graph) -- Related: [[Deep-Reinforcement-Learning]] , [[Complexity-Theory]] -- Foundation: [[Computational Theory & Math/Information Theory]] diff --git a/AI/Diffusion-Models.md b/AI/Diffusion-Models.md deleted file mode 100644 index b39bd05c..00000000 --- a/AI/Diffusion-Models.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-7C0B06 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Diffusion-Models" ---- - -# [[Diffusion-Models]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Diffusion-Models.md]] ---- diff --git a/AI/Digital Intellectual Property Rights.md b/AI/Digital Intellectual Property Rights.md deleted file mode 100644 index 813bb828..00000000 --- a/AI/Digital Intellectual Property Rights.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-384956 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Digital Intellectual Property Rights" ---- - -# [[Digital Intellectual Property Rights]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Digital Intellectual Property Rights.md]] ---- diff --git a/AI/Digital Thread Integration.md b/AI/Digital Thread Integration.md deleted file mode 100644 index e2eb8ea3..00000000 --- a/AI/Digital Thread Integration.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-A9FF14 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Digital Thread Integration" ---- - -# [[Digital Thread Integration]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Digital Thread Integration.md]] ---- diff --git a/AI/Digital-Twin-Technology.md b/AI/Digital-Twin-Technology.md deleted file mode 100644 index da61cc32..00000000 --- a/AI/Digital-Twin-Technology.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-D08215 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Digital-Twin-Technology" ---- - -# [[Digital-Twin-Technology]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Digital-Twin-Technology.md]] ---- diff --git a/AI/Dijkstra's Algorithm.md b/AI/Dijkstra's Algorithm.md deleted file mode 100644 index 2e3f4e4c..00000000 --- a/AI/Dijkstra's Algorithm.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-DIJKSTRA -category: "[[10_Wiki/💡 Topics/Programming & Language]]" -confidence_score: 0.99 -tags: [Dijkstra, Algorithm, Pathfinding, Graph Theory] -last_reinforced: 2026-04-20 ---- - -# [[Dijkstra's-Algorithm]] (데이크스트라 알고리즘) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "욕심쟁이(Greedy)의 가장 똑똑한 길 찾기." 출발점에서 다른 모든 지점까지의 최단 거리를 가장 효율적으로 확정해 나가는 알고리즘의 고전이자 정석이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Shortest Path Tree**: - - 방문하지 않은 지점 중 거리가 가장 짧은 지점을 먼저 방문함으로써, 한 번 확정된 거리는 다시 계산할 필요가 없게 만든다. -- **Priority Queue Usage**: - - 우선순위 큐(힙)를 사용하여 다음에 방문할 지점을 빠르게 찾아냄으로써 시간 복잡도를 극적으로 최적화한다. -- **Application**: - - 구글 지도, 게임 길찾기, 네트워크 라우팅(OSPF) 등 연결된 네트워크가 있는 모든 곳에 쓰인다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 데이크스트라는 음수 가중치(음수의 거리 등)가 있는 환경에서는 작동하지 않는다(이땐 벨만-포드 필요). 또한, 거대한 맵에서는 탐색 범위가 너무 넓어지므로, 목표 지점 방향으로 먼저 탐색하는 지능을 더한 `A* (A-Star) 알고리즘`이 실무에서 더 선호된다. - -## 🔗 지식 연결 (Graph) -- Related: [[Autonomous-Vehicle-Path-Planning]] , [[Combinatorial-Optimization]] -- Foundation: [[Computational Theory & Math/Information Theory]] diff --git a/AI/Diminishing Returns (한계 수익 체감).md b/AI/Diminishing Returns (한계 수익 체감).md deleted file mode 100644 index 87b4d51f..00000000 --- a/AI/Diminishing Returns (한계 수익 체감).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-26A63C -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Diminishing Returns (한계 수익 체감)" ---- - -# [[Diminishing Returns (한계 수익 체감)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Diminishing Returns (한계 수익 체감).md]] ---- diff --git a/AI/Directed-Acyclic-Graph-Build-Systems.md b/AI/Directed-Acyclic-Graph-Build-Systems.md deleted file mode 100644 index 32c53ced..00000000 --- a/AI/Directed-Acyclic-Graph-Build-Systems.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-B5202A -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Directed-Acyclic-Graph-Build-Systems" ---- - -# [[Directed-Acyclic-Graph-Build-Systems]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Directed-Acyclic-Graph-Build-Systems.md]] ---- diff --git a/AI/Directed-Acyclic-Graph-Dependency-Management.md b/AI/Directed-Acyclic-Graph-Dependency-Management.md deleted file mode 100644 index bd4db462..00000000 --- a/AI/Directed-Acyclic-Graph-Dependency-Management.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-5577CF -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Directed-Acyclic-Graph-Dependency-Management" ---- - -# [[Directed-Acyclic-Graph-Dependency-Management]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Directed-Acyclic-Graph-Dependency-Management.md]] ---- diff --git a/AI/Discriminated-Unions-for-Error-Handling.md b/AI/Discriminated-Unions-for-Error-Handling.md deleted file mode 100644 index 993d78da..00000000 --- a/AI/Discriminated-Unions-for-Error-Handling.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-F4914A -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Discriminated-Unions-for-Error-Handling" ---- - -# [[Discriminated-Unions-for-Error-Handling]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Discriminated-Unions-for-Error-Handling.md]] ---- diff --git a/AI/Discriminated-Unions-for-State-Modeling.md b/AI/Discriminated-Unions-for-State-Modeling.md deleted file mode 100644 index df9e09d0..00000000 --- a/AI/Discriminated-Unions-for-State-Modeling.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-326E8C -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Discriminated-Unions-for-State-Modeling" ---- - -# [[Discriminated-Unions-for-State-Modeling]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Discriminated-Unions-for-State-Modeling.md]] ---- diff --git a/AI/Discriminated-Unions.md b/AI/Discriminated-Unions.md deleted file mode 100644 index f75978cd..00000000 --- a/AI/Discriminated-Unions.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-1AAB27 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Discriminated-Unions" ---- - -# [[Discriminated-Unions]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Discriminated-Unions.md]] ---- diff --git a/AI/Dissipative Structures.md b/AI/Dissipative Structures.md deleted file mode 100644 index c011afd1..00000000 --- a/AI/Dissipative Structures.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-25ABE0 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Dissipative Structures" ---- - -# [[Dissipative Structures]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Dissipative Structures.md]] ---- diff --git a/AI/Distributed Reinforcement Learning.md b/AI/Distributed Reinforcement Learning.md deleted file mode 100644 index 637cf120..00000000 --- a/AI/Distributed Reinforcement Learning.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-DIST-RL -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.98 -tags: [Distributed RL, Scalability, AI, Apex, Impala] -last_reinforced: 2026-04-20 ---- - -# [[Distributed-Reinforcement-Learning]] (분산 강화학습) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "혼자 배우면 1년, 함께 배우면 1시간." 수많은 에이전트를 가상 환경에 풀어 동시에 경험을 쌓게 하고, 이를 하나의 뇌로 집약하는 초고속 학습 기술이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Parallel Data Collection**: - - 수백~수천 개의 CPU/GPU 환경에서 독립적인 에이전트들이 데이터를 수집하여 중앙 서버로 전송한다. -- **Asynchronous vs Synchronous**: - - 에이전트들끼리 속도를 맞출지(Sync), 아니면 각자 데이터가 생기는 대로 업데이트할지(Async)에 따른 아키텍처 차이(A3C, IMPALA 등). -- **Efficiency Boost**: - - 탐색(Exploration)의 손실을 방지하고, 더 다양한 환경 시나리오를 짧은 시간 안에 학습할 수 있게 한다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 분산 학습은 엄청난 컴퓨팅 자원을 소모한다. 최근에는 자원 효율성을 높이기 위해 '오프 폴리시(Off-policy)' 데이터를 더 효과적으로 재활용하는 `R2D2`나 `MuZero` 같은 알고리즘이 주목받고 있다. - -## 🔗 지식 연결 (Graph) -- Related: [[DQN]] , [[Collective-Intelligence]] -- Foundation: [[Distributed-Systems-Engineering]] diff --git a/AI/Distributed-System-Type-Safety.md b/AI/Distributed-System-Type-Safety.md deleted file mode 100644 index 4426efde..00000000 --- a/AI/Distributed-System-Type-Safety.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-1E4141 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Distributed-System-Type-Safety" ---- - -# [[Distributed-System-Type-Safety]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Distributed-System-Type-Safety.md]] ---- diff --git a/AI/Domain Objects.md b/AI/Domain Objects.md deleted file mode 100644 index 13ed12cb..00000000 --- a/AI/Domain Objects.md +++ /dev/null @@ -1,35 +0,0 @@ ---- -id: P-REINFORCE-AUTO-17D3D3 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Domain Objects" ---- - -# [[Domain Objects]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 도메인 객체(Domain Objects)는 비즈니스 개념을 표현하고 전사적인 비즈니스 규칙과 데이터 구조를 캡슐화하는 핵심 객체입니다 [1, 2]. 소프트웨어 아키텍처의 가장 중심부에 위치하며 프레임워크나 사용자 인터페이스(UI), 데이터베이스 등 외부 계층에 전혀 의존하지 않고 독립적으로 존재합니다 [1, 3]. 복잡한 비즈니스 로직을 명확하게 모델링하고 시스템의 근본적인 뼈대를 형성하는 데 필수적인 역할을 합니다 [1, 4]. - -## 📖 구조화된 지식 (Synthesized Content) -* **비즈니스 개념의 직접적 표현:** - 도메인 객체는 소프트웨어가 해결하고자 하는 비즈니스 개념 자체를 코드로 표현합니다 [2]. 예를 들어, 쇼핑 애플리케이션에서는 사용자 정보나 상품 정보를 나타내는 `Product` 클래스가 도메인 객체의 역할을 수행하게 됩니다 [2]. -* **클린 아키텍처(Clean Architecture)에서의 중심 역할:** - 클린 아키텍처에서 도메인 객체는 시스템의 심장부인 '엔티티(Entities)' 또는 '도메인 계층'에 위치합니다 [1, 3]. 이들은 다른 외부 에이전시나 프레임워크, UI의 변화로부터 완벽하게 격리되어 순수한 엔터프라이즈 비즈니스 규칙만을 포함합니다 [1, 3]. -* **도메인 주도 설계(DDD)와 애그리게이트(Aggregates):** - 도메인 주도 설계에서 도메인 객체들은 단일 단위로 취급될 수 있는 객체들의 무리인 '애그리게이트'로 묶이게 됩니다 [5]. 예를 들어 '주문(Order)'이라는 애그리게이트는 '주문 내역(OrderLineItem)'이라는 도메인 객체들을 포함할 수 있습니다 [5]. 이때 애그리게이트의 루트(root)는 클러스터 전체의 일관성을 보장하여 트랜잭션 관리를 단순하게 만들어 줍니다 [5]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[Domain-Driven Design]], [[Clean Architecture]], [[Entities]], [[Aggregates]] -- **Projects/Contexts:** [[쇼핑 애플리케이션 도메인 모델]] -- **Contradictions/Notes:** 소스 내에서 도메인 객체에 대한 모순이나 상반된 주장은 존재하지 않으며, 일관되게 시스템의 핵심 비즈니스 로직을 캡슐화하고 외부 의존성으로부터 철저히 분리되어야 하는 대상으로 강조됩니다 [1-3]. - ---- -*Last updated: 2026-04-18* -- Raw Source: [[00_Raw/2026-04-20/Domain Objects.md]] ---- diff --git a/AI/Domain-Driven Design (DDD) Type Safety.md b/AI/Domain-Driven Design (DDD) Type Safety.md deleted file mode 100644 index 55d61020..00000000 --- a/AI/Domain-Driven Design (DDD) Type Safety.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-BE347F -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Domain-Driven Design (DDD) Type Safety" ---- - -# [[Domain-Driven Design (DDD) Type Safety]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Domain-Driven Design (DDD) Type Safety.md]] ---- diff --git a/AI/Domain-Driven Design (DDD) in TypeScript.md b/AI/Domain-Driven Design (DDD) in TypeScript.md deleted file mode 100644 index f7641527..00000000 --- a/AI/Domain-Driven Design (DDD) in TypeScript.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-F89598 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Domain-Driven Design (DDD) in TypeScript" ---- - -# [[Domain-Driven Design (DDD) in TypeScript]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Domain-Driven Design (DDD) in TypeScript.md]] ---- diff --git a/AI/Domain-Driven-Design (DDD) in TypeScript.md b/AI/Domain-Driven-Design (DDD) in TypeScript.md deleted file mode 100644 index ce74c7d6..00000000 --- a/AI/Domain-Driven-Design (DDD) in TypeScript.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-D7AB12 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Domain-Driven-Design (DDD) in TypeScript" ---- - -# [[Domain-Driven-Design (DDD) in TypeScript]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Domain-Driven-Design (DDD) in TypeScript.md]] ---- diff --git a/AI/Domain-Driven-Design (DDD).md b/AI/Domain-Driven-Design (DDD).md deleted file mode 100644 index 8bef2790..00000000 --- a/AI/Domain-Driven-Design (DDD).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-7AB40D -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Domain-Driven-Design (DDD)" ---- - -# [[Domain-Driven-Design (DDD)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Domain-Driven-Design (DDD).md]] ---- diff --git a/AI/Domain-Driven-Design-(DDD)-in-TypeScript.md b/AI/Domain-Driven-Design-(DDD)-in-TypeScript.md deleted file mode 100644 index aadbe9a8..00000000 --- a/AI/Domain-Driven-Design-(DDD)-in-TypeScript.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-13548A -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Domain-Driven-Design-(DDD)-in-TypeScript" ---- - -# [[Domain-Driven-Design-(DDD)-in-TypeScript]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Domain-Driven-Design-(DDD)-in-TypeScript.md]] ---- diff --git a/AI/Domain-Driven-Design-(DDD).md b/AI/Domain-Driven-Design-(DDD).md deleted file mode 100644 index 7a59df16..00000000 --- a/AI/Domain-Driven-Design-(DDD).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-C360C0 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Domain-Driven-Design-(DDD)" ---- - -# [[Domain-Driven-Design-(DDD)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Domain-Driven-Design-(DDD).md]] ---- diff --git a/AI/Domain-Driven-Design-Bounded-Context.md b/AI/Domain-Driven-Design-Bounded-Context.md deleted file mode 100644 index 396e23d4..00000000 --- a/AI/Domain-Driven-Design-Bounded-Context.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-551739 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Domain-Driven-Design-Bounded-Context" ---- - -# [[Domain-Driven-Design-Bounded-Context]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Domain-Driven-Design-Bounded-Context.md]] ---- diff --git a/AI/Domain-Driven-Design-Interface-Modeling.md b/AI/Domain-Driven-Design-Interface-Modeling.md deleted file mode 100644 index f16e4017..00000000 --- a/AI/Domain-Driven-Design-Interface-Modeling.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-BE83DE -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Domain-Driven-Design-Interface-Modeling" ---- - -# [[Domain-Driven-Design-Interface-Modeling]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Domain-Driven-Design-Interface-Modeling.md]] ---- diff --git a/AI/Domain-Driven-Design-in-TypeScript.md b/AI/Domain-Driven-Design-in-TypeScript.md deleted file mode 100644 index cc2f20ca..00000000 --- a/AI/Domain-Driven-Design-in-TypeScript.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-21D02B -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Domain-Driven-Design-in-TypeScript" ---- - -# [[Domain-Driven-Design-in-TypeScript]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Domain-Driven-Design-in-TypeScript.md]] ---- diff --git a/AI/Domain-Driven-Design-with-TypeScript.md b/AI/Domain-Driven-Design-with-TypeScript.md deleted file mode 100644 index 9de9cabf..00000000 --- a/AI/Domain-Driven-Design-with-TypeScript.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-7451F4 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Domain-Driven-Design-with-TypeScript" ---- - -# [[Domain-Driven-Design-with-TypeScript]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Domain-Driven-Design-with-TypeScript.md]] ---- diff --git a/AI/Domain-Driven-Design.md b/AI/Domain-Driven-Design.md deleted file mode 100644 index 8dcd7d05..00000000 --- a/AI/Domain-Driven-Design.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-CD0693 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Domain-Driven-Design" ---- - -# [[Domain-Driven-Design]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Domain-Driven-Design.md]] ---- diff --git a/AI/Dopaminergic Reward System.md b/AI/Dopaminergic Reward System.md deleted file mode 100644 index 0c1d78b6..00000000 --- a/AI/Dopaminergic Reward System.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-1CE0DE -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Dopaminergic Reward System" ---- - -# [[Dopaminergic Reward System]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Dopaminergic Reward System.md]] ---- diff --git a/AI/Dopaminergic Reward Systems.md b/AI/Dopaminergic Reward Systems.md deleted file mode 100644 index f7d5dcaf..00000000 --- a/AI/Dopaminergic Reward Systems.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-73B204 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Dopaminergic Reward Systems" ---- - -# [[Dopaminergic Reward Systems]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Dopaminergic Reward Systems.md]] ---- diff --git a/AI/Drama Management Systems.md b/AI/Drama Management Systems.md deleted file mode 100644 index e52f97df..00000000 --- a/AI/Drama Management Systems.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-893F79 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Drama Management Systems" ---- - -# [[Drama Management Systems]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Drama Management Systems.md]] ---- diff --git a/AI/Dynamic Difficulty Adjustment (DDA).md b/AI/Dynamic Difficulty Adjustment (DDA).md deleted file mode 100644 index b0414b78..00000000 --- a/AI/Dynamic Difficulty Adjustment (DDA).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-478A4A -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Dynamic Difficulty Adjustment (DDA)" ---- - -# [[Dynamic Difficulty Adjustment (DDA)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Dynamic Difficulty Adjustment (DDA).md]] ---- diff --git a/AI/Dynamic Few-Shot (동적 퓨샷 선택 전략).md b/AI/Dynamic Few-Shot (동적 퓨샷 선택 전략).md deleted file mode 100644 index b736565e..00000000 --- a/AI/Dynamic Few-Shot (동적 퓨샷 선택 전략).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-6118B8 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Dynamic Few-Shot (동적 퓨샷 선택 전략)" ---- - -# [[Dynamic Few-Shot (동적 퓨샷 선택 전략)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Dynamic Few-Shot (동적 퓨샷 선택 전략).md]] ---- diff --git a/AI/Dynamic-Environment-Handling.md b/AI/Dynamic-Environment-Handling.md deleted file mode 100644 index 3ae20227..00000000 --- a/AI/Dynamic-Environment-Handling.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-AI-DYNAMIC-ENV -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.96 -tags: [Dynamic Environment, Autonomous Driving, Adaptation, AI] -last_reinforced: 2026-04-20 ---- - -# [[Dynamic-Environment-Handling]] (동적 환경 대응) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "세상은 멈춰 있지 않다." 비, 눈, 안개, 갑자기 뛰어드는 아이처럼 끊임없이 변하는 현실 세계의 변덕에 실시간으로 적응하는 AI의 회복 탄력성이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Robust Perception**: - - 센서 노이즈나 기상 악화 상황에서도 사물을 정확히 인식하는 강건한 시각 시스템. -- **Real-time Path Planning**: - - 장애물이 나타날 때마다 수 밀리초(ms) 이내에 새로운 안전 경로를 계산하는 기술. -- **Domain Adaptation**: - - 시뮬레이션 환경(Sim)과 실제 도로 환경(Real)의 차이를 메꾸어, 가상에서 배운 지식을 현실에서도 유효하게 만드는 전이 학습 기법. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 모든 시나리오를 미리 학습시키는 것은 불가능하다. 최근에는 '세계 모델(World Model)'을 통해 AI가 물리 법칙을 이해하게 함으로써, 처음 보는 돌발 상황에서도 상식적인 수준의 대응을 하도록 유도하는 연구가 대세다. - -## 🔗 지식 연결 (Graph) -- Related: [[Autonomous-Vehicle-Path-Planning]] , [[Reliability_Safety_First]] -- Foundation: [[Computational Thinking]] diff --git a/AI/E-commerce-Catalog-Management.md b/AI/E-commerce-Catalog-Management.md deleted file mode 100644 index 312a7986..00000000 --- a/AI/E-commerce-Catalog-Management.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-D52EF5 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - E-commerce-Catalog-Management" ---- - -# [[E-commerce-Catalog-Management]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/E-commerce-Catalog-Management.md]] ---- diff --git a/AI/E-commerce-Optimization.md b/AI/E-commerce-Optimization.md deleted file mode 100644 index d2917674..00000000 --- a/AI/E-commerce-Optimization.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-5FD532 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - E-commerce-Optimization" ---- - -# [[E-commerce-Optimization]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/E-commerce-Optimization.md]] ---- diff --git a/AI/ESLint-Static-Analysis.md b/AI/ESLint-Static-Analysis.md deleted file mode 100644 index f8f6e462..00000000 --- a/AI/ESLint-Static-Analysis.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-2B78F8 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - ESLint-Static-Analysis" ---- - -# [[ESLint-Static-Analysis]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/ESLint-Static-Analysis.md]] ---- diff --git a/AI/EU-Web-Accessibility-Directive.md b/AI/EU-Web-Accessibility-Directive.md deleted file mode 100644 index 01912af8..00000000 --- a/AI/EU-Web-Accessibility-Directive.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-94ECB4 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - EU-Web-Accessibility-Directive" ---- - -# [[EU-Web-Accessibility-Directive]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/EU-Web-Accessibility-Directive.md]] ---- diff --git a/AI/EVE Online (Spreadsheet Economy).md b/AI/EVE Online (Spreadsheet Economy).md deleted file mode 100644 index 04580c58..00000000 --- a/AI/EVE Online (Spreadsheet Economy).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-442180 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - EVE Online (Spreadsheet Economy)" ---- - -# [[EVE Online (Spreadsheet Economy)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/EVE Online (Spreadsheet Economy).md]] ---- diff --git a/AI/Ecology and Ecosystem Modeling.md b/AI/Ecology and Ecosystem Modeling.md deleted file mode 100644 index 4e2897eb..00000000 --- a/AI/Ecology and Ecosystem Modeling.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-ED335C -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Ecology and Ecosystem Modeling" ---- - -# [[Ecology and Ecosystem Modeling]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Ecology and Ecosystem Modeling.md]] ---- diff --git a/AI/Elite-Sport-Science-Protocols.md b/AI/Elite-Sport-Science-Protocols.md deleted file mode 100644 index 43841ac5..00000000 --- a/AI/Elite-Sport-Science-Protocols.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-04186E -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Elite-Sport-Science-Protocols" ---- - -# [[Elite-Sport-Science-Protocols]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Elite-Sport-Science-Protocols.md]] ---- diff --git a/AI/Elite-Strength-and-Conditioning.md b/AI/Elite-Strength-and-Conditioning.md deleted file mode 100644 index 435a0daa..00000000 --- a/AI/Elite-Strength-and-Conditioning.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-4094F7 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Elite-Strength-and-Conditioning" ---- - -# [[Elite-Strength-and-Conditioning]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Elite-Strength-and-Conditioning.md]] ---- diff --git a/AI/Embodied Cognition.md b/AI/Embodied Cognition.md deleted file mode 100644 index 3fb2cd12..00000000 --- a/AI/Embodied Cognition.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-D43081 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Embodied Cognition" ---- - -# [[Embodied Cognition]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Embodied Cognition.md]] ---- diff --git a/AI/Emotionally Intelligent Tutoring Systems (EITS).md b/AI/Emotionally Intelligent Tutoring Systems (EITS).md deleted file mode 100644 index f96c40e2..00000000 --- a/AI/Emotionally Intelligent Tutoring Systems (EITS).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-A7735A -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Emotionally Intelligent Tutoring Systems (EITS)" ---- - -# [[Emotionally Intelligent Tutoring Systems (EITS)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Emotionally Intelligent Tutoring Systems (EITS).md]] ---- diff --git a/AI/Encapsulation-and-Information-Hiding.md b/AI/Encapsulation-and-Information-Hiding.md deleted file mode 100644 index 4472271c..00000000 --- a/AI/Encapsulation-and-Information-Hiding.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-3AFE91 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Encapsulation-and-Information-Hiding" ---- - -# [[Encapsulation-and-Information-Hiding]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Encapsulation-and-Information-Hiding.md]] ---- diff --git a/AI/Encapsulation-of-Domain-Invariants.md b/AI/Encapsulation-of-Domain-Invariants.md deleted file mode 100644 index 8cebb644..00000000 --- a/AI/Encapsulation-of-Domain-Invariants.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-3F0BE1 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Encapsulation-of-Domain-Invariants" ---- - -# [[Encapsulation-of-Domain-Invariants]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Encapsulation-of-Domain-Invariants.md]] ---- diff --git a/AI/Encapsulation-via-Access-Modifiers.md b/AI/Encapsulation-via-Access-Modifiers.md deleted file mode 100644 index 926aef5b..00000000 --- a/AI/Encapsulation-via-Access-Modifiers.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-E8605B -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Encapsulation-via-Access-Modifiers" ---- - -# [[Encapsulation-via-Access-Modifiers]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Encapsulation-via-Access-Modifiers.md]] ---- diff --git a/AI/Endurance-Athletics-Cognition.md b/AI/Endurance-Athletics-Cognition.md deleted file mode 100644 index a4e3fa36..00000000 --- a/AI/Endurance-Athletics-Cognition.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-BC701A -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Endurance-Athletics-Cognition" ---- - -# [[Endurance-Athletics-Cognition]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Endurance-Athletics-Cognition.md]] ---- diff --git a/AI/Enterprise-Design-Systems.md b/AI/Enterprise-Design-Systems.md deleted file mode 100644 index d6e7f7ba..00000000 --- a/AI/Enterprise-Design-Systems.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-84FEDE -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Enterprise-Design-Systems" ---- - -# [[Enterprise-Design-Systems]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Enterprise-Design-Systems.md]] ---- diff --git a/AI/Enterprise-Resource-Planning-Systems.md b/AI/Enterprise-Resource-Planning-Systems.md deleted file mode 100644 index 276cee10..00000000 --- a/AI/Enterprise-Resource-Planning-Systems.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-DDC6E0 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Enterprise-Resource-Planning-Systems" ---- - -# [[Enterprise-Resource-Planning-Systems]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Enterprise-Resource-Planning-Systems.md]] ---- diff --git a/AI/Enterprise-Scale-Monorepo-Management.md b/AI/Enterprise-Scale-Monorepo-Management.md deleted file mode 100644 index d3fec48f..00000000 --- a/AI/Enterprise-Scale-Monorepo-Management.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-372DAD -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Enterprise-Scale-Monorepo-Management" ---- - -# [[Enterprise-Scale-Monorepo-Management]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Enterprise-Scale-Monorepo-Management.md]] ---- diff --git a/AI/Enterprise-Software-Architecture.md b/AI/Enterprise-Software-Architecture.md deleted file mode 100644 index 611813bf..00000000 --- a/AI/Enterprise-Software-Architecture.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-4727C5 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Enterprise-Software-Architecture" ---- - -# [[Enterprise-Software-Architecture]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Enterprise-Software-Architecture.md]] ---- diff --git a/AI/Enterprise-Software-Engineering.md b/AI/Enterprise-Software-Engineering.md deleted file mode 100644 index c41814f1..00000000 --- a/AI/Enterprise-Software-Engineering.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-EA62A1 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Enterprise-Software-Engineering" ---- - -# [[Enterprise-Software-Engineering]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Enterprise-Software-Engineering.md]] ---- diff --git a/AI/Europeana.md b/AI/Europeana.md deleted file mode 100644 index c1804dd8..00000000 --- a/AI/Europeana.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-683994 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Europeana" ---- - -# [[Europeana]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Europeana.md]] ---- diff --git a/AI/Evolutionary Biology.md b/AI/Evolutionary Biology.md deleted file mode 100644 index 2b610815..00000000 --- a/AI/Evolutionary Biology.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-926B28 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Evolutionary Biology" ---- - -# [[Evolutionary Biology]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Evolutionary Biology.md]] ---- diff --git a/AI/Evolutionary Computation.md b/AI/Evolutionary Computation.md deleted file mode 100644 index e066d475..00000000 --- a/AI/Evolutionary Computation.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-2D52C6 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Evolutionary Computation" ---- - -# [[Evolutionary Computation]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Evolutionary Computation.md]] ---- diff --git a/AI/Evolutionary-Biology.md b/AI/Evolutionary-Biology.md deleted file mode 100644 index 1fa67ec4..00000000 --- a/AI/Evolutionary-Biology.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-29AB70 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Evolutionary-Biology" ---- - -# [[Evolutionary-Biology]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Evolutionary-Biology.md]] ---- diff --git a/AI/Evolutionary-Computation.md b/AI/Evolutionary-Computation.md deleted file mode 100644 index 57ef5767..00000000 --- a/AI/Evolutionary-Computation.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-314A2B -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Evolutionary-Computation" ---- - -# [[Evolutionary-Computation]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Evolutionary-Computation.md]] ---- diff --git a/AI/Excess-Property-Checking.md b/AI/Excess-Property-Checking.md deleted file mode 100644 index 56c9e1f6..00000000 --- a/AI/Excess-Property-Checking.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-E8C633 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Excess-Property-Checking" ---- - -# [[Excess-Property-Checking]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Excess-Property-Checking.md]] ---- diff --git a/AI/Executive Dysfunction.md b/AI/Executive Dysfunction.md deleted file mode 100644 index 3e2be4d2..00000000 --- a/AI/Executive Dysfunction.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-DDD1CE -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Executive Dysfunction" ---- - -# [[Executive Dysfunction]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Executive Dysfunction.md]] ---- diff --git a/AI/Executive-Function-Deficit.md b/AI/Executive-Function-Deficit.md deleted file mode 100644 index 690ac61d..00000000 --- a/AI/Executive-Function-Deficit.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-598E63 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Executive-Function-Deficit" ---- - -# [[Executive-Function-Deficit]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Executive-Function-Deficit.md]] ---- diff --git a/AI/Exercise-Physiology.md b/AI/Exercise-Physiology.md deleted file mode 100644 index c50382a3..00000000 --- a/AI/Exercise-Physiology.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-415D41 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Exercise-Physiology" ---- - -# [[Exercise-Physiology]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Exercise-Physiology.md]] ---- diff --git a/AI/Exhaustiveness-Checking.md b/AI/Exhaustiveness-Checking.md deleted file mode 100644 index 8ff2d694..00000000 --- a/AI/Exhaustiveness-Checking.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-D4B087 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Exhaustiveness-Checking" ---- - -# [[Exhaustiveness-Checking]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Exhaustiveness-Checking.md]] ---- diff --git a/AI/Expected Utility Theory.md b/AI/Expected Utility Theory.md deleted file mode 100644 index fdb89c2d..00000000 --- a/AI/Expected Utility Theory.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-289250 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Expected Utility Theory" ---- - -# [[Expected Utility Theory]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Expected Utility Theory.md]] ---- diff --git a/AI/Expo 2025 Osaka.md b/AI/Expo 2025 Osaka.md deleted file mode 100644 index c76162f2..00000000 --- a/AI/Expo 2025 Osaka.md +++ /dev/null @@ -1,33 +0,0 @@ ---- -id: P-REINFORCE-AUTO-AE03AD -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Expo 2025 Osaka" ---- - -# [[Expo 2025 Osaka]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> Expo 2025 Osaka는 고성능 WebGPU 및 Three.js 기술을 활용한 최첨단 3D 인터랙티브 경험이 전시된 행사입니다 [1-3]. 이곳에서는 100만 개의 파티클을 활용한 유체 시뮬레이션 설치물이 대형 4K 디스플레이에서 눈에 띄는 지연 없이 실시간으로 구동되었습니다 [2, 3]. 이 엑스포는 기존 아키텍처에 비해 WebGPU가 가져온 컴퓨팅 성능의 막대한 향상을 실증하는 주요 무대가 되었습니다 [1, 3]. - -## 📖 구조화된 지식 (Synthesized Content) -- **고성능 기술 실증 사례:** Expo 2025 Osaka는 수많은 드로우 콜이나 연산 집약적인 효과가 필요한 환경에서 WebGPU가 제공하는 막대한 성능 향상을 실제 프로덕션 수준에서 입증한 주요 사례로 언급됩니다 [1]. -- **주요 전시물 (Waves of Connection / Hokusai installation):** 인터랙티브 크리에이티브 스튜디오인 Utsubo는 이 행사에서 "Hokusai installation" (또는 "Waves of Connection")이라는 설치 미술을 선보였습니다 [2, 3]. -- **기술적 성과:** 해당 설치물은 98인치 4K 디스플레이 상에서 100만 개(1M)의 파티클로 구성된 유체 시뮬레이션을 실시간으로 렌더링하는 데 성공했습니다 [2, 3]. 특히 눈에 띄는 지연(lag) 현상 없이 다수의 인원을 동시에 추적(multi-person body tracking)하는 고도의 기술적 성과를 달성했습니다 [3]. -- **정보의 한계:** 제공된 데이터는 WebGPU 성능 최적화를 설명하기 위한 특정 설치물 사례에만 집중되어 있어, 엑스포 행사의 전체 규모나 다른 목적 등에 대해서는 소스에 관련 정보가 부족합니다. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[WebGPU]], [[Three.js]], [[Particle System]] -- **Projects/Contexts:** [[Utsubo]], [[Hokusai installation]], [[Waves of Connection]] -- **Contradictions/Notes:** 주어진 소스는 엑스포 내 특정 디지털 설치물(Utsubo의 유체 시뮬레이션)에 대한 기술적 성과만을 다루고 있으며, 엑스포 행사 전반에 대한 내용은 소스에 관련 정보가 부족합니다. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/Expo 2025 Osaka.md]] ---- diff --git a/AI/Feature Clamping (피처 고정).md b/AI/Feature Clamping (피처 고정).md deleted file mode 100644 index 870a0a55..00000000 --- a/AI/Feature Clamping (피처 고정).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-E1B41C -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Feature Clamping (피처 고정)" ---- - -# [[Feature Clamping (피처 고정)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Feature Clamping (피처 고정).md]] ---- diff --git a/AI/Feedback-Control-Systems.md b/AI/Feedback-Control-Systems.md deleted file mode 100644 index 8ff06242..00000000 --- a/AI/Feedback-Control-Systems.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-B4B48F -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Feedback-Control-Systems" ---- - -# [[Feedback-Control-Systems]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Feedback-Control-Systems.md]] ---- diff --git a/AI/Finite-Element-Analysis.md b/AI/Finite-Element-Analysis.md deleted file mode 100644 index 29ed83d6..00000000 --- a/AI/Finite-Element-Analysis.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-31D804 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Finite-Element-Analysis" ---- - -# [[Finite-Element-Analysis]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Finite-Element-Analysis.md]] ---- diff --git a/AI/Firefox.md b/AI/Firefox.md deleted file mode 100644 index f045c8eb..00000000 --- a/AI/Firefox.md +++ /dev/null @@ -1,47 +0,0 @@ ---- -id: P-REINFORCE-AUTO-7265C7 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Firefox" ---- - -# [[Firefox]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -**웹 성능 및 네트워크 최적화** -* Firefox는 Interop 2025 프로젝트의 일환으로 Largest Contentful Paint(LCP) 및 Interaction to Next Paint(INP) 지표 지원 작업을 시작했으며, 2025년 10월 배포된 버전 144부터 INP를 정식 지원하고 있습니다 [1]. -* Time to First Byte(TTFB) 점수를 측정할 때 Firefox는 기존부터 early hint 응답 데이터를 포함하여 계산해왔으며, 2025년 2월 Chrome 역시 이 방식을 따르도록 변경되었습니다 [2]. -* 리소스의 사전 로딩을 위한 추측 규칙(Speculation Rules) 프로토타입을 작업 중이며 [3], 재방문 시 다운로드 크기를 줄일 수 있는 압축 딕셔너리(Compression Dictionaries) 지원도 활발히 개발하고 있습니다 [4]. - -**이미지 포맷 지원** -* 과거 Mozilla는 저수준 언어로 작성된 복잡한 디코더가 일으킬 수 있는 보안 위험을 우려하여 JPEG XL 도입을 꺼렸습니다 [5]. 그러나 2024년 9월 Google과 Rust 기반 디코더에 대해 논의한 후 입장을 선회했습니다 [5]. - -**WebGL 지원 및 프로파일링** -* 보안상의 이유로 듀얼 GPU를 사용하는 Mac 시스템에서는 WebGL 컨텍스트를 생성하기 전에 반드시 개별(Discrete) GPU로 전환하여 머물도록 강제합니다 [6]. GPU가 블랙리스트에 오르더라도 `WebGLRenderingContext` 객체 자체는 존재합니다 [7]. -* 개발자가 WebGL 성능을 분석할 때 `about:config`에서 `layers.acceleration.draw-fps`를 활성화하여 FPS 카운터를 표시할 수 있습니다 [8]. -* Vsync를 비활성화하려면 `layout.frame_rate`를 0으로, `layers.offmainthreadcomposition.frame-rate`를 1000으로 설정하고, ANGLE을 우회하여 네이티브 OpenGL을 테스트하려면 `webgl.prefer-native-gl`을 활성화할 수 있습니다 [9, 10]. -* 다만, 보안을 이유로 `EXT_disjoint_timer_query` 확장은 지원이 중단되었으며, `EXT_disjoint_timer_query_webgl2`가 작동하지 않거나 브라우저 탭을 다운시키는 버그가 보고된 바 있습니다 [11-14]. - -**WebGPU 생태계와 안정성** -* Firefox는 버전 141부터 Windows 플랫폼에 한정하여 WebGPU 지원을 도입하기 시작했습니다 [15]. -* Firefox의 렌더링 엔진인 Gecko는 WebGPU 타임스탬프 쿼리(timestamp queries) 지원에 대해 긍정적인 입장을 냈습니다 [16, 17]. -* 하지만 현재 Firefox 내 WebGPU 생태계는 일부 하드웨어에서 여전히 불안정한 상태입니다. 특정 기기(예: Lenovo MX350)에서는 실행 시 "WebGPU is disabled by blocklist"라는 오류와 함께 차단되며, Intel NUC와 같은 환경에서는 타임스탬프 쿼리가 비정상적으로 긴 프레임 시간을 보고하는 버그가 존재합니다 [18]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[WebGPU]], [[WebGL]], [[Interaction to Next Paint (INP)]], [[JPEG XL]] -- **Projects/Contexts:** [[Interop 2025]] -- **Contradictions/Notes:** 소스에 따르면 Firefox는 보안 문제를 이유로 WebGL의 타이머 쿼리(`EXT_disjoint_timer_query`) 기능을 지원하지 않았으나 [12, 14], WebGPU의 타임스탬프 쿼리 기능에 대해서는 긍정적인 도입 의사를 보였습니다 [16, 17]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/Firefox.md]] ---- diff --git a/AI/First Input Delay (FID).md b/AI/First Input Delay (FID).md deleted file mode 100644 index e0ca40fd..00000000 --- a/AI/First Input Delay (FID).md +++ /dev/null @@ -1,33 +0,0 @@ ---- -id: P-REINFORCE-AUTO-DD1BE6 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - First Input Delay (FID)" ---- - -# [[First Input Delay (FID)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> First Input Delay(FID)는 사용자가 웹페이지에서 첫 상호작용을 시도할 때, 브라우저가 해당 이벤트를 처리하기 시작할 때까지 걸리는 지연 시간을 측정하는 지표이다 [1]. 이 지표는 이벤트 핸들러가 시작되기 전까지의 지연 시간만을 측정하며, 이후의 렌더링 지연이나 후속 상호작용은 고려하지 않는 한계가 있었다 [2]. 이러한 단점을 보완하기 위해 2024년 구글(Google)은 코어 웹 바이탈(Core Web Vitals)의 공식 상호작용 측정 지표를 FID에서 Interaction to Next Paint (INP)로 전면 대체하였다 [3, 4]. - -## 📖 구조화된 지식 (Synthesized Content) -- **FID의 발생 원인:** 사용자가 웹페이지가 준비되었다고 생각하여 클릭 등의 이벤트를 발생시켰을 때, 브라우저가 자바스크립트를 다운로드하거나 파싱 및 실행하느라 백그라운드 작업이 바쁜 상태라면 입력 지연이 발생하게 되며 FID는 바로 이 시간을 측정한다 [1]. -- **측정 방식의 한계:** FID는 페이지 방문 중 발생하는 여러 상호작용 중에서 오직 '첫 번째 상호작용(first interaction)'의 지연 시간만을 측정한다 [2]. 이벤트 핸들러가 시작되기 직전까지의 대기 시간만을 평가하기 때문에, 실제 이벤트가 처리되는 시간(processing time)이나 화면에 결과를 렌더링하는 데 걸리는 프레젠테이션 지연(presentation delay)을 무시한다는 명확한 한계가 존재했다 [2, 5]. -- **타 지표와의 연관성:** 크롬 라이트하우스(Chrome Lighthouse) 등에서 측정하는 Time to Interactive (TTI) 지표는 페이지가 완전히 상호작용 가능해질 때까지의 시간을 뜻하는데, 이 TTI는 First Input Delay (FID)뿐만 아니라 Largest Contentful Paint (LCP)와 같은 요소를 포함하여 산출된다 [6, 7]. -- **INP(Interaction to Next Paint)로의 진화:** 첫 상호작용만을 측정하던 FID 방식으로는 사용자 경험(UX)을 완벽하게 반영하기 어려웠다 [5]. 이에 구글은 2024년에 FID를 폐기하고, 페이지에 머무는 동안 발생하는 모든 상호작용(클릭, 탭, 키보드 입력 등)의 전체 지연 시간을 종합적으로 평가하는 INP 지표를 코어 웹 바이탈에 새롭게 도입하였다 [2, 3, 5]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[Interaction to Next Paint (INP)]], [[Core Web Vitals]], [[Time to Interactive (TTI)]] -- **Projects/Contexts:** [[Google Page Experience]], [[Chrome User Experience Report (CrUX)]] -- **Contradictions/Notes:** 한때 구글 코어 웹 바이탈의 핵심 반응성 지표로 사용되었으나, 단일 상호작용만 측정하는 결함이 인정되어 2024년을 기점으로 공식 지표의 지위를 잃고 INP로 완전히 대체되었다 [3, 4]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/First Input Delay (FID).md]] ---- diff --git a/AI/Fixed Time Step vs Variable Time Step.md b/AI/Fixed Time Step vs Variable Time Step.md deleted file mode 100644 index 21506c57..00000000 --- a/AI/Fixed Time Step vs Variable Time Step.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-5FB60B -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Fixed Time Step vs Variable Time Step" ---- - -# [[Fixed Time Step vs Variable Time Step]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Fixed Time Step vs Variable Time Step.md]] ---- diff --git a/AI/Flow State.md b/AI/Flow State.md deleted file mode 100644 index de6cc2b0..00000000 --- a/AI/Flow State.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-E89B44 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Flow State" ---- - -# [[Flow State]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Flow State.md]] ---- diff --git a/AI/Flow-State.md b/AI/Flow-State.md deleted file mode 100644 index 06e3bb44..00000000 --- a/AI/Flow-State.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-364080 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Flow-State" ---- - -# [[Flow-State]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Flow-State.md]] ---- diff --git a/AI/Functional-Programming-in-TypeScript.md b/AI/Functional-Programming-in-TypeScript.md deleted file mode 100644 index 960d59d4..00000000 --- a/AI/Functional-Programming-in-TypeScript.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-80BECB -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Functional-Programming-in-TypeScript" ---- - -# [[Functional-Programming-in-TypeScript]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Functional-Programming-in-TypeScript.md]] ---- diff --git a/AI/GPU.md b/AI/GPU.md deleted file mode 100644 index f00631b5..00000000 --- a/AI/GPU.md +++ /dev/null @@ -1,33 +0,0 @@ ---- -id: P-REINFORCE-AUTO-DD4F11 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - GPU" ---- - -# [[GPU]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> GPU(Graphics Processing Unit)는 실시간 3D 그래픽 렌더링과 병렬 연산 처리에 최적화된 하드웨어 장치이다 [1]. 최신 GPU는 수천 개의 프로세싱 코어를 갖추고 있어 그래픽 렌더링뿐만 아니라 물리 시뮬레이션, AI 추론 등 범용적인 병렬 작업에 뛰어난 성능을 발휘한다 [2, 3]. 웹 환경에서는 WebGL 및 WebGPU와 같은 그래픽 API를 통해 제어되며, 셰이더(Shader) 프로그램을 하드웨어 수준에서 매우 빠른 속도로 실행하여 시각적 결과물을 만들어낸다 [1, 4]. - -## 📖 구조화된 지식 (Synthesized Content) -* **웹 그래픽 파이프라인에서의 역할:** GPU는 WebGL이나 WebGPU API를 통해 전달된 셰이더 프로그램을 실행하여 HTML5 브라우저의 화면(``)에 3D 장면을 렌더링한다 [1, 4]. 렌더링 속도를 극대화하기 위해서는 애플리케이션 코드가 실행되는 환경과 GPU 간의 컨텍스트 스위칭(Context Switching) 및 통신을 최소화해야 하며, 가급적 렌더링에 필요한 모든 데이터를 GPU 메모리에 한 번만 복사하는 것이 이상적이다 [5-8]. -* **GPU 바운드(GPU Bound)와 CPU 병목 현상:** 성능 분석 시 렌더링 지연의 원인이 CPU인지 GPU인지 파악하는 것이 중요하다 [9, 10]. 복잡한 프래그먼트 셰이더 연산이나 과도한 드로우 콜(Draw Call)이 발생할 경우, CPU는 유휴 상태임에도 GPU가 지속적으로 작동하며 한계에 부딪히는 'GPU 바운드' 현상이 발생한다 [11]. 반대로, 단일 스레드로 명령을 전송하는 WebGL 아키텍처 하에서는 최신 GPU가 초당 수백만 개의 폴리곤을 처리할 수 있음에도 불구하고 CPU가 명령을 충분히 빨리 전달하지 못해 GPU가 유휴 상태로 대기하는 CPU 병목 현상이 발생하기도 한다 [2, 12]. -* **컴퓨트 셰이더를 통한 범용 병렬 처리(GPGPU):** 과거 WebGL은 GPU의 사용을 그래픽 렌더링에만 국한시켰으나, WebGPU는 컴퓨트 셰이더(Compute Shaders)를 도입하여 GPU를 범용 병렬 프로세서로 변모시켰다 [2, 3]. GPU의 SIMT(Single-Instruction-Multiple-Thread) 아키텍처를 활용하면 수십만 개의 파티클 시스템, 유체 시뮬레이션, 데이터 정렬, 기계학습 기반의 거대 언어 모델(LLM) 추론 등의 방대한 연산을 CPU 개입 없이 GPU 내부에서 직접 병렬로 처리할 수 있다 [3, 13-15]. -* **성능 및 전력 효율 극대화:** GPU 주도형(GPU-driven) 렌더링 방식을 도입하여 오클루전 컬링, 물리 시뮬레이션 등의 핵심 로직을 GPU로 옮기면 CPU와 GPU 간의 데이터 왕복 횟수 및 동기화 오버헤드를 크게 줄일 수 있다 [16, 17]. 이는 명령 생성에 따른 CPU 부하를 감소시켜 전력 소비와 발열을 낮추며, 특히 모바일 기기에서 열에 의한 스로틀링(Thermal Throttling)을 방지하여 일관된 프레임 속도와 렌더링 성능을 유지하도록 돕는다 [17-19]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[WebGL]], [[WebGPU]], [[Compute Shader]], [[CPU]] -- **Projects/Contexts:** [[WebSplatter]], [[Three.js]], [[CesiumJS]] -- **Contradictions/Notes:** 과거 WebGL 생태계에서는 구조적 한계로 인해 물리 연산이나 정렬 작업을 CPU에서 처리해야 했고 이로 인해 GPU가 자주 유휴 상태(Idle)에 머무는 비효율이 존재했다. 그러나 WebGPU의 등장으로 컴퓨트 셰이더 기반의 연산이 가능해지면서, 렌더링과 연산 모두를 GPU에서 병렬 처리하여 GPU의 하드웨어 능력을 온전히 활용할 수 있게 되었다 [2, 3, 12, 20]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/GPU.md]] ---- diff --git a/AI/GRPO (Group Relative Policy Optimization).md b/AI/GRPO (Group Relative Policy Optimization).md deleted file mode 100644 index 9058702b..00000000 --- a/AI/GRPO (Group Relative Policy Optimization).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-1312F9 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - GRPO (Group Relative Policy Optimization)" ---- - -# [[GRPO (Group Relative Policy Optimization)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/GRPO (Group Relative Policy Optimization).md]] ---- diff --git a/AI/Gacha Mechanics Analysis.md b/AI/Gacha Mechanics Analysis.md deleted file mode 100644 index 91c15a67..00000000 --- a/AI/Gacha Mechanics Analysis.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-F5E08D -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Gacha Mechanics Analysis" ---- - -# [[Gacha Mechanics Analysis]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Gacha Mechanics Analysis.md]] ---- diff --git a/AI/Gait-Analysis-Laboratory.md b/AI/Gait-Analysis-Laboratory.md deleted file mode 100644 index cacab3c5..00000000 --- a/AI/Gait-Analysis-Laboratory.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-3390EF -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Gait-Analysis-Laboratory" ---- - -# [[Gait-Analysis-Laboratory]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Gait-Analysis-Laboratory.md]] ---- diff --git a/AI/Gait-Analysis-Methodologies.md b/AI/Gait-Analysis-Methodologies.md deleted file mode 100644 index e6399682..00000000 --- a/AI/Gait-Analysis-Methodologies.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-ECB110 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Gait-Analysis-Methodologies" ---- - -# [[Gait-Analysis-Methodologies]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Gait-Analysis-Methodologies.md]] ---- diff --git a/AI/Game Balance Theory.md b/AI/Game Balance Theory.md deleted file mode 100644 index f4b69677..00000000 --- a/AI/Game Balance Theory.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-FE4B62 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Game Balance Theory" ---- - -# [[Game Balance Theory]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Game Balance Theory.md]] ---- diff --git a/AI/Game Economy Modeling.md b/AI/Game Economy Modeling.md deleted file mode 100644 index 1bda3a09..00000000 --- a/AI/Game Economy Modeling.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-80302B -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Game Economy Modeling" ---- - -# [[Game Economy Modeling]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Game Economy Modeling.md]] ---- diff --git a/AI/Game Engine Architecture (Jason Gregory).md b/AI/Game Engine Architecture (Jason Gregory).md deleted file mode 100644 index b1f1c45e..00000000 --- a/AI/Game Engine Architecture (Jason Gregory).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-5CDF1A -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Game Engine Architecture (Jason Gregory)" ---- - -# [[Game Engine Architecture (Jason Gregory)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Game Engine Architecture (Jason Gregory).md]] ---- diff --git a/AI/Game Engine Architecture.md b/AI/Game Engine Architecture.md deleted file mode 100644 index e411e03e..00000000 --- a/AI/Game Engine Architecture.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-BD4476 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Game Engine Architecture" ---- - -# [[Game Engine Architecture]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Game Engine Architecture.md]] ---- diff --git a/AI/Game-Design-Ontology.md b/AI/Game-Design-Ontology.md deleted file mode 100644 index 2bfb53c1..00000000 --- a/AI/Game-Design-Ontology.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-DCD5C6 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Game-Design-Ontology" ---- - -# [[Game-Design-Ontology]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Game-Design-Ontology.md]] ---- diff --git a/AI/Game-Design-Theory.md b/AI/Game-Design-Theory.md deleted file mode 100644 index 366589f5..00000000 --- a/AI/Game-Design-Theory.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-25F5B7 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Game-Design-Theory" ---- - -# [[Game-Design-Theory]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Game-Design-Theory.md]] ---- diff --git a/AI/Game-Ontology-for-PCG.md b/AI/Game-Ontology-for-PCG.md deleted file mode 100644 index 2f00f9fa..00000000 --- a/AI/Game-Ontology-for-PCG.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-D042FF -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Game-Ontology-for-PCG" ---- - -# [[Game-Ontology-for-PCG]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Game-Ontology-for-PCG.md]] ---- diff --git a/AI/Gamification Theory.md b/AI/Gamification Theory.md deleted file mode 100644 index 7c04375b..00000000 --- a/AI/Gamification Theory.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-2DF448 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Gamification Theory" ---- - -# [[Gamification Theory]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Gamification Theory.md]] ---- diff --git a/AI/Generative Adversarial Networks (GANs) in Fine Arts.md b/AI/Generative Adversarial Networks (GANs) in Fine Arts.md deleted file mode 100644 index 30077d7f..00000000 --- a/AI/Generative Adversarial Networks (GANs) in Fine Arts.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-B61BB5 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Generative Adversarial Networks (GANs) in Fine Arts" ---- - -# [[Generative Adversarial Networks (GANs) in Fine Arts]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Generative Adversarial Networks (GANs) in Fine Arts.md]] ---- diff --git a/AI/Generative-Adversarial-Networks.md b/AI/Generative-Adversarial-Networks.md deleted file mode 100644 index 7834b4d7..00000000 --- a/AI/Generative-Adversarial-Networks.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-B87DE0 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Generative-Adversarial-Networks" ---- - -# [[Generative-Adversarial-Networks]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Generative-Adversarial-Networks.md]] ---- diff --git a/AI/Generics-and-Polymorphism.md b/AI/Generics-and-Polymorphism.md deleted file mode 100644 index f9480826..00000000 --- a/AI/Generics-and-Polymorphism.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-E65F53 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Generics-and-Polymorphism" ---- - -# [[Generics-and-Polymorphism]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Generics-and-Polymorphism.md]] ---- diff --git a/AI/Geographic-Information-Systems (GIS).md b/AI/Geographic-Information-Systems (GIS).md deleted file mode 100644 index d009d8d2..00000000 --- a/AI/Geographic-Information-Systems (GIS).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-395A13 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Geographic-Information-Systems (GIS)" ---- - -# [[Geographic-Information-Systems (GIS)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Geographic-Information-Systems (GIS).md]] ---- diff --git a/AI/Geriatric-Medicine.md b/AI/Geriatric-Medicine.md deleted file mode 100644 index 6624c18c..00000000 --- a/AI/Geriatric-Medicine.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-88176E -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Geriatric-Medicine" ---- - -# [[Geriatric-Medicine]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Geriatric-Medicine.md]] ---- diff --git a/AI/GitLab CI.md b/AI/GitLab CI.md deleted file mode 100644 index d7772e59..00000000 --- a/AI/GitLab CI.md +++ /dev/null @@ -1,34 +0,0 @@ ---- -id: P-REINFORCE-AUTO-0DF208 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - GitLab CI" ---- - -# [[GitLab CI]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 소스에 관련 정보가 부족합니다. 제공된 소스에서 GitLab CI 자체의 아키텍처나 구체적인 기능에 대한 직접적인 설명은 없으며, 주로 Snyk Code나 SonarQube와 같은 정적 애플리케이션 보안 테스트(SAST) 및 AI 코드 리뷰 도구들이 원활하게 연동되는 대표적인 CI/CD 파이프라인 플랫폼 중 하나로만 간략히 언급됩니다 [1, 2]. - -## 📖 구조화된 지식 (Synthesized Content) -소스에 관련 정보가 부족합니다. 하지만 제공된 문서 내에서 외부 보안 및 분석 도구와의 연동 맥락을 통해 다음과 같은 제한적인 역할을 확인할 수 있습니다. - -* **보안 및 코드 리뷰 도구와의 원활한 통합:** GitLab CI는 SonarQube, Snyk Code, Axify, CodeAnt AI 및 다양한 풀 리퀘스트 리뷰 봇(Pull Request Review Bots) 등과 통합(Integration)되어 사용되는 주요 개발 플랫폼입니다 [1, 3-6]. -* **CI/CD 파이프라인 내 보안 스캔:** Snyk Code와 같은 도구는 GitLab CI 파이프라인에 통합되어 풀 리퀘스트(Pull request)가 발생할 때마다 변경된 파일을 스캔합니다 [2]. 발견된 취약점은 인라인 주석으로 게시되며, 심각한 취약점이 감지될 경우 코드 병합을 차단하도록 설정할 수 있습니다 [2]. -* **풀 리퀘스트(PR) 및 가드레일 환경:** 개발자들은 GitLab의 풀 리퀘스트 환경을 통해 수동으로 코드를 검토하거나, AI 및 머신러닝 기반의 리뷰 봇을 연동하여 팀의 코드 표준을 강제하고 구조화된 코멘트를 생성하는 자동화된 가드레일을 구축합니다 [5, 7, 8]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[CI/CD 파이프라인]], [[SAST (정적 애플리케이션 보안 테스트)]] -- **Projects/Contexts:** [[Snyk Code 파이프라인 통합]], [[SonarQube 개발 워크플로우 연동]] -- **Contradictions/Notes:** 소스에 관련 정보가 부족합니다. GitLab CI만의 독자적인 기능이나 설정 방법에 대한 구체적인 내용은 소스에 존재하지 않으며, GitHub이나 Bitbucket 등과 함께 서드파티 보안/분석 도구가 지원하는 환경 목록으로만 등장합니다. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/GitLab CI.md]] ---- diff --git a/AI/Goal Misgeneralization (목표 오일반화).md b/AI/Goal Misgeneralization (목표 오일반화).md deleted file mode 100644 index ee53e944..00000000 --- a/AI/Goal Misgeneralization (목표 오일반화).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-85A1A5 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Goal Misgeneralization (목표 오일반화)" ---- - -# [[Goal Misgeneralization (목표 오일반화)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Goal Misgeneralization (목표 오일반화).md]] ---- diff --git a/AI/Graph-Coloring-Problem.md b/AI/Graph-Coloring-Problem.md deleted file mode 100644 index fc6b4b08..00000000 --- a/AI/Graph-Coloring-Problem.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-108994 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Graph-Coloring-Problem" ---- - -# [[Graph-Coloring-Problem]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Graph-Coloring-Problem.md]] ---- diff --git a/AI/Graph-Theory.md b/AI/Graph-Theory.md deleted file mode 100644 index ff20564a..00000000 --- a/AI/Graph-Theory.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-961E9B -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Graph-Theory" ---- - -# [[Graph-Theory]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Graph-Theory.md]] ---- diff --git a/AI/GraphQL-Code-Generator.md b/AI/GraphQL-Code-Generator.md deleted file mode 100644 index 146b908a..00000000 --- a/AI/GraphQL-Code-Generator.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-CFA98F -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - GraphQL-Code-Generator" ---- - -# [[GraphQL-Code-Generator]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/GraphQL-Code-Generator.md]] ---- diff --git a/AI/GraphRAG (그래프 기반 검색 증강 생성).md b/AI/GraphRAG (그래프 기반 검색 증강 생성).md deleted file mode 100644 index 621244d5..00000000 --- a/AI/GraphRAG (그래프 기반 검색 증강 생성).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-54AA1C -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - GraphRAG (그래프 기반 검색 증강 생성)" ---- - -# [[GraphRAG (그래프 기반 검색 증강 생성)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/GraphRAG (그래프 기반 검색 증강 생성).md]] ---- diff --git a/AI/Grit.md b/AI/Grit.md deleted file mode 100644 index 9a0a4236..00000000 --- a/AI/Grit.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-53ED1B -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Grit" ---- - -# [[Grit]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Grit.md]] ---- diff --git a/AI/Growth Mindset Intervention in Education.md b/AI/Growth Mindset Intervention in Education.md deleted file mode 100644 index 743c6681..00000000 --- a/AI/Growth Mindset Intervention in Education.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-D9A336 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Growth Mindset Intervention in Education" ---- - -# [[Growth Mindset Intervention in Education]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Growth Mindset Intervention in Education.md]] ---- diff --git a/AI/Growth-Mindset.md b/AI/Growth-Mindset.md deleted file mode 100644 index f863e494..00000000 --- a/AI/Growth-Mindset.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-73BBE5 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Growth-Mindset" ---- - -# [[Growth-Mindset]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Growth-Mindset.md]] ---- diff --git a/AI/Guilty-Gear-Xrd-Rendering-Pipeline.md b/AI/Guilty-Gear-Xrd-Rendering-Pipeline.md deleted file mode 100644 index 4d46159e..00000000 --- a/AI/Guilty-Gear-Xrd-Rendering-Pipeline.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-44CE35 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Guilty-Gear-Xrd-Rendering-Pipeline" ---- - -# [[Guilty-Gear-Xrd-Rendering-Pipeline]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Guilty-Gear-Xrd-Rendering-Pipeline.md]] ---- diff --git a/AI/HANDOVER.md b/AI/HANDOVER.md deleted file mode 100644 index 01d32516..00000000 --- a/AI/HANDOVER.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-5DA4F4 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - HANDOVER" ---- - -# [[HANDOVER]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/HANDOVER.md]] ---- diff --git a/AI/HBO Prestige Television.md b/AI/HBO Prestige Television.md deleted file mode 100644 index 4fb8cd81..00000000 --- a/AI/HBO Prestige Television.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-4ED001 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - HBO Prestige Television" ---- - -# [[HBO Prestige Television]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/HBO Prestige Television.md]] ---- diff --git a/AI/HHH (Helpful Harmless Honest).md b/AI/HHH (Helpful Harmless Honest).md deleted file mode 100644 index 9ac6c971..00000000 --- a/AI/HHH (Helpful Harmless Honest).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-11A9D4 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - HHH (Helpful Harmless Honest)" ---- - -# [[HHH (Helpful Harmless Honest)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/HHH (Helpful, Harmless, Honest).md]] ---- diff --git a/AI/Hardware-Verification.md b/AI/Hardware-Verification.md deleted file mode 100644 index f76490c0..00000000 --- a/AI/Hardware-Verification.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-70F7A4 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Hardware-Verification" ---- - -# [[Hardware-Verification]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Hardware-Verification.md]] ---- diff --git a/AI/Health Informatics (mHealth).md b/AI/Health Informatics (mHealth).md deleted file mode 100644 index 5a5e5da0..00000000 --- a/AI/Health Informatics (mHealth).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-A9629D -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Health Informatics (mHealth)" ---- - -# [[Health Informatics (mHealth)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Health Informatics (mHealth).md]] ---- diff --git a/AI/Heap Snapshot(힙 스냅샷).md b/AI/Heap Snapshot(힙 스냅샷).md deleted file mode 100644 index a3fac0ac..00000000 --- a/AI/Heap Snapshot(힙 스냅샷).md +++ /dev/null @@ -1,30 +0,0 @@ ---- -id: P-REINFORCE-AUTO-7C13B9 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Heap Snapshot(힙 스냅샷)" ---- - -# [[Heap Snapshot(힙 스냅샷)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> **Heap Snapshot(힙 스냅샷)**은 특정 시점에 애플리케이션의 전체 객체 그래프와 힙 메모리 상태를 캡처한 데이터이다 [1, 2]. 주로 불필요하게 남아있는 객체의 유지 경로(Retaining path)를 식별하여 메모리 누수를 탐지하고 분석하기 위해 사용된다 [2, 3]. Chrome DevTools나 IntelliJ IDEA 같은 도구를 통해 생성할 수 있으며, 여러 스냅샷을 비교함으로써 메모리 할당 패턴과 가비지 컬렉션 이후의 잔존 메모리를 파악할 수 있다 [1, 4-6]. - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[Memory Leak (메모리 누수)]], [[Garbage Collection (가비지 컬렉션)]], [[Retained Size vs Shallow Size]], [[Closure Variable Retention]] -- **Projects/Contexts:** [[Chrome DevTools Memory Panel]], [[V8 JavaScript Engine]], [[Node.js Production Monitoring]] -- **Contradictions/Notes:** 미니파이(Minified)된 프로덕션 코드에서는 식별자 이름이 변형되어 Retainer 체인을 알아보기 어렵기 때문에, DevTools에 소스 맵(Source maps)을 연결하거나 처음부터 함수에 명시적으로 이름을 지정(Named functions)하는 것이 분석에 훨씬 유리하다 [19, 25]. 또한, 스냅샷에서 메모리가 증가했다고 해서 모두 누수인 것은 아니며, 캐시나 Undo 히스토리처럼 의도적으로 메모리를 유지하는 "의도된 보존(Intentional retention)"과 실제 누수를 구별해야 한다 [19]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/Heap Snapshot(힙 스냅샷).md]] ---- diff --git a/AI/Hebbian Theory.md b/AI/Hebbian Theory.md deleted file mode 100644 index 947ba24b..00000000 --- a/AI/Hebbian Theory.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-D8B3D2 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Hebbian Theory" ---- - -# [[Hebbian Theory]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Hebbian Theory.md]] ---- diff --git a/AI/High-Cohesion-Low-Coupling.md b/AI/High-Cohesion-Low-Coupling.md deleted file mode 100644 index 862af89d..00000000 --- a/AI/High-Cohesion-Low-Coupling.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-A143BE -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - High-Cohesion-Low-Coupling" ---- - -# [[High-Cohesion-Low-Coupling]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/High-Cohesion-Low-Coupling.md]] ---- diff --git a/AI/High-Frequency Trading Models.md b/AI/High-Frequency Trading Models.md deleted file mode 100644 index 8b180f54..00000000 --- a/AI/High-Frequency Trading Models.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-6E0050 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - High-Frequency Trading Models" ---- - -# [[High-Frequency Trading Models]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/High-Frequency Trading Models.md]] ---- diff --git a/AI/High-Performance Training Programs (Tier 1 Orgs).md b/AI/High-Performance Training Programs (Tier 1 Orgs).md deleted file mode 100644 index a9cb4f03..00000000 --- a/AI/High-Performance Training Programs (Tier 1 Orgs).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-30B011 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - High-Performance Training Programs (Tier 1 Orgs)" ---- - -# [[High-Performance Training Programs (Tier 1 Orgs)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/High-Performance Training Programs (Tier 1 Orgs).md]] ---- diff --git a/AI/High-Performance-Coaching.md b/AI/High-Performance-Coaching.md deleted file mode 100644 index 6fc865e3..00000000 --- a/AI/High-Performance-Coaching.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-FF879B -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - High-Performance-Coaching" ---- - -# [[High-Performance-Coaching]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/High-Performance-Coaching.md]] ---- diff --git a/AI/High-Performance-Sports-Science.md b/AI/High-Performance-Sports-Science.md deleted file mode 100644 index ca4857da..00000000 --- a/AI/High-Performance-Sports-Science.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-D74500 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - High-Performance-Sports-Science" ---- - -# [[High-Performance-Sports-Science]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/High-Performance-Sports-Science.md]] ---- diff --git a/AI/Homeostasis.md b/AI/Homeostasis.md deleted file mode 100644 index b06eddc9..00000000 --- a/AI/Homeostasis.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-D75E8D -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Homeostasis" ---- - -# [[Homeostasis]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Homeostasis.md]] ---- diff --git a/AI/Human-Computer-Interaction.md b/AI/Human-Computer-Interaction.md deleted file mode 100644 index 0652dc80..00000000 --- a/AI/Human-Computer-Interaction.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-3ED48D -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Human-Computer-Interaction" ---- - -# [[Human-Computer-Interaction]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Human-Computer-Interaction.md]] ---- diff --git a/AI/Hyperinflation in Closed-Loop Systems.md b/AI/Hyperinflation in Closed-Loop Systems.md deleted file mode 100644 index 75b2932d..00000000 --- a/AI/Hyperinflation in Closed-Loop Systems.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-01FD40 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Hyperinflation in Closed-Loop Systems" ---- - -# [[Hyperinflation in Closed-Loop Systems]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Hyperinflation in Closed-Loop Systems.md]] ---- diff --git a/AI/IEEE P36521.md b/AI/IEEE P36521.md deleted file mode 100644 index 7ccfc2bc..00000000 --- a/AI/IEEE P36521.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-5A9960 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - IEEE P36521" ---- - -# [[IEEE P36521]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/IEEE P3652.1.md]] ---- diff --git a/AI/Immersive Sim Design.md b/AI/Immersive Sim Design.md deleted file mode 100644 index 8c18ab92..00000000 --- a/AI/Immersive Sim Design.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-A1E36D -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Immersive Sim Design" ---- - -# [[Immersive Sim Design]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Immersive Sim Design.md]] ---- diff --git a/AI/Immersive Sims (eg Deus Ex Dishonored).md b/AI/Immersive Sims (eg Deus Ex Dishonored).md deleted file mode 100644 index 5c64c6ee..00000000 --- a/AI/Immersive Sims (eg Deus Ex Dishonored).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-F70063 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Immersive Sims (eg Deus Ex Dishonored)" ---- - -# [[Immersive Sims (eg Deus Ex Dishonored)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Immersive Sims (e.g., Deus Ex, Dishonored).md]] ---- diff --git a/AI/Immersive Sims (eg Deus Ex Thief).md b/AI/Immersive Sims (eg Deus Ex Thief).md deleted file mode 100644 index c3d12af2..00000000 --- a/AI/Immersive Sims (eg Deus Ex Thief).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-B11AD8 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Immersive Sims (eg Deus Ex Thief)" ---- - -# [[Immersive Sims (eg Deus Ex Thief)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Immersive Sims (e.g., Deus Ex, Thief).md]] ---- diff --git a/AI/Immersive-Sim-Genre.md b/AI/Immersive-Sim-Genre.md deleted file mode 100644 index 9e30a75b..00000000 --- a/AI/Immersive-Sim-Genre.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-F89165 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Immersive-Sim-Genre" ---- - -# [[Immersive-Sim-Genre]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Immersive-Sim-Genre.md]] ---- diff --git a/AI/Immutability-Patterns.md b/AI/Immutability-Patterns.md deleted file mode 100644 index a4a3a999..00000000 --- a/AI/Immutability-Patterns.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-0F93B3 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Immutability-Patterns" ---- - -# [[Immutability-Patterns]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Immutability-Patterns.md]] ---- diff --git a/AI/In-Context Learning (ICL 문맥 내 학습).md b/AI/In-Context Learning (ICL 문맥 내 학습).md deleted file mode 100644 index 6cc4acab..00000000 --- a/AI/In-Context Learning (ICL 문맥 내 학습).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-0A8DD5 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - In-Context Learning (ICL 문맥 내 학습)" ---- - -# [[In-Context Learning (ICL 문맥 내 학습)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/In-Context Learning (ICL, 문맥 내 학습).md]] ---- diff --git a/AI/Incremental-Computation.md b/AI/Incremental-Computation.md deleted file mode 100644 index 41c0cadb..00000000 --- a/AI/Incremental-Computation.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-6A40F8 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Incremental-Computation" ---- - -# [[Incremental-Computation]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Incremental-Computation.md]] ---- diff --git a/AI/Indoor Wayfinding for Smart Cities.md b/AI/Indoor Wayfinding for Smart Cities.md deleted file mode 100644 index d5a35407..00000000 --- a/AI/Indoor Wayfinding for Smart Cities.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-FA7892 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Indoor Wayfinding for Smart Cities" ---- - -# [[Indoor Wayfinding for Smart Cities]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Indoor Wayfinding for Smart Cities.md]] ---- diff --git a/AI/Industrial Metaverse.md b/AI/Industrial Metaverse.md deleted file mode 100644 index a88b8819..00000000 --- a/AI/Industrial Metaverse.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-ED0741 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Industrial Metaverse" ---- - -# [[Industrial Metaverse]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Industrial Metaverse.md]] ---- diff --git a/AI/Industrial-Automation.md b/AI/Industrial-Automation.md deleted file mode 100644 index 4f4ddb6c..00000000 --- a/AI/Industrial-Automation.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-879F81 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Industrial-Automation" ---- - -# [[Industrial-Automation]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Industrial-Automation.md]] ---- diff --git a/AI/Injury-Prevention-Protocols.md b/AI/Injury-Prevention-Protocols.md deleted file mode 100644 index 7bbbfae3..00000000 --- a/AI/Injury-Prevention-Protocols.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-F84241 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Injury-Prevention-Protocols" ---- - -# [[Injury-Prevention-Protocols]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Injury-Prevention-Protocols.md]] ---- diff --git a/AI/InstancedMesh2 library.md b/AI/InstancedMesh2 library.md deleted file mode 100644 index fbf16012..00000000 --- a/AI/InstancedMesh2 library.md +++ /dev/null @@ -1,37 +0,0 @@ ---- -id: P-REINFORCE-AUTO-F5A361 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - InstancedMesh2 library" ---- - -# [[InstancedMesh2 library]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> InstancedMesh2는 Three.js의 공식 InstancedMesh가 가진 한계를 극복하고 대규모 객체 렌더링을 최적화하기 위해 agargaro가 개발한 오픈 소스 확장 라이브러리입니다. 이 라이브러리는 개별 인스턴스 단위의 절두체 컬링(Frustum culling), 정렬(Sorting), 가시성 관리(Visibility management), LOD(Level of Detail), BVH를 활용한 빠른 레이캐스팅 및 스키닝(Skinning) 기능을 제공합니다 [1-3]. 특히 수만 개의 스킨드 메시나 개별 애니메이션을 가진 객체들을 최소한의 드로우 콜로 렌더링할 수 있도록 설계되어 높은 프레임 레이트 유지를 돕습니다 [1, 4, 5]. - -## 📖 구조화된 지식 (Synthesized Content) -* **효율적인 데이터 구조와 참조 방식 (Indirection):** - InstancedMesh2는 렌더링할 인스턴스 인덱스를 관리하기 위해 `InstancedBufferAttribute`를 통한 간접 참조(Indirection) 방식을 사용합니다 [6]. 이를 통해 GPU로 데이터를 전송하기 전 속성 버퍼 전체를 재정렬할 필요 없이, 선택적 렌더링과 효율적인 컬링 및 정렬을 수행할 수 있습니다 [6]. -* **데이터 텍스처와 객체 핸들링 개선:** - 인스턴스 변환 행렬과 데이터를 저장하기 위해 부분 업데이트(Partial updates)를 지원하는 `SquareDataTexture`를 활용합니다 [1, 6]. 또한 전체 인스턴스 개수에 맞춰 `Object3D`와 유사한 프록시 객체를 생성하므로, 사용자가 배열에서 직접 행렬을 추출하지 않고도 위치, 회전, 크기 등의 연산을 쉽게 처리할 수 있습니다 [7]. 객체를 숨길 때(가시성 관리)는 캐시 미스(Cache miss)를 방지하기 위해 해당 행렬을 배열의 끝으로 이동시키는 방식을 적용합니다 [7]. -* **스키닝(Skinning) 및 애니메이션 최적화:** - 각각의 인스턴스가 서로 다른 애니메이션과 포즈를 가질 수 있습니다 [8]. 카메라 절두체 내에 위치한 인스턴스의 뼈대(Bones)만 업데이트하며, 카메라와의 거리에 따라 각 인스턴스의 애니메이션 FPS(0~60)를 조절할 수 있습니다 [1]. 또한 먼 거리에 있는 인스턴스는 불필요한 뼈대 계산을 생략하고 텍스처 업데이트의 렌더링 부하를 줄일 수 있습니다 [1]. -* **LOD 및 레이캐스팅 연동:** - `meshoptimizer`와 연계하여 지오메트리 LOD를 관리하며, 그림자에 대한 LOD 제어도 가능합니다 [1, 9]. 또한 Three.js 생태계의 `three-mesh-bvh`를 통합하여 수많은 인스턴스에 대해서도 빠르고 정확한 공간 인덱스(Spatial index) 기반 레이캐스팅과 절두체 컬링을 지원합니다 [2, 10]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[InstancedMesh]], [[Frustum Culling]], [[Level of Detail (LOD)]], [[Skinned Mesh]], [[BVH (Bounding Volume Hierarchy)]] -- **Projects/Contexts:** [[Three.js]] -- **Contradictions/Notes:** 라이브러리 내에서 지원하는 `SquareDataTexture`의 뼈대 텍스처 부분 업데이트(Partial texture updates) 기능은 모바일 기기 및 Mozilla Firefox 브라우저 환경에서 속도가 느리게 작동할 수 있어, 특정 하드웨어나 브라우저에서는 이를 비활성화(또는 이중 버퍼링 구현 필요)해야 성능을 유지할 수 있습니다 [1, 11]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/InstancedMesh2 library.md]] ---- diff --git a/AI/Interaction to Next Paint (INP).md b/AI/Interaction to Next Paint (INP).md deleted file mode 100644 index dd6971da..00000000 --- a/AI/Interaction to Next Paint (INP).md +++ /dev/null @@ -1,48 +0,0 @@ ---- -id: P-REINFORCE-AUTO-1BE349 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Interaction to Next Paint (INP)" ---- - -# [[Interaction to Next Paint (INP)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> INP(Interaction to Next Paint)는 웹 페이지의 전반적인 상호작용성(Interactivity)과 응답성(Responsiveness)을 측정하기 위해 2024년 Google이 공식 도입한 Core Web Vitals 지표입니다 [1-3]. 첫 번째 상호작용만 측정하던 기존의 FID(First Input Delay)와 달리, 페이지 방문 기간 동안 발생하는 모든 상호작용(클릭, 탭, 키 누름 등)의 전체 지연 시간을 측정하여 실제 사용자 경험을 더 정확하게 반영합니다 [4-6]. 사용자의 작업에 대해 즉각적인 시각적 피드백을 제공하는 것을 목표로 하며, 200밀리초(ms) 이하의 지연 시간을 기록해야 '좋음(Good)'으로 평가받을 수 있습니다 [5, 7]. - -## 📖 구조화된 지식 (Synthesized Content) -* **도입 배경 및 영향:** - INP는 2024년에 기존 Core Web Vitals 지표였던 First Input Delay (FID)를 공식적으로 대체했습니다 [1, 2]. FID가 첫 번째 상호작용의 이벤트 핸들러 시작 전 지연 시간만을 측정했던 반면, INP는 페이지 전체 수명 동안 발생하는 모든 상호작용을 추적하고 렌더링 지연까지 포함하여 측정합니다 [4-6]. 이 엄격해진 기준 변화로 인해 2024년 2월, 모바일 웹사이트들의 Core Web Vitals 통과율이 크게 하락하는 현상이 관찰되기도 했습니다 [1]. - -* **측정 및 산출 방식:** - INP는 75백분위수(75th percentile)의 방문 데이터를 기준으로 계산됩니다 [8]. 페이지 내 상호작용이 50개 이하인 경우 가장 긴 상호작용 지연 시간을 INP로 간주하며, 상호작용이 50개를 초과할 경우 이상치(Outlier)의 영향을 줄이기 위해 50개 그룹당 가장 지연 시간이 긴 1개를 제외한 나머지 중 최댓값을 사용합니다 [8]. - * **평가 임계값:** 200ms 이하는 '좋음(Good)', 200ms 초과 500ms 이하는 '개선 필요(Needs improvement)', 500ms 초과는 '나쁨(Poor)'으로 분류됩니다 [5]. - * **브라우저 지원:** Chrome뿐만 아니라 Interop 2025 프로젝트를 통해 Firefox(버전 144부터 지원)와 Safari에서도 INP 측정 지표 구현 작업이 시작되었습니다 [9]. - -* **지연 시간의 세부 구성 요소 (Sub-parts):** - 사용자 상호작용의 전체 대기 시간은 크게 3단계로 나뉘며, Chrome DevTools를 통해 이 세부 정보(INP breakdown)를 확인할 수 있습니다 [4, 5, 10]. - 1. **입력 지연 (Input delay):** 이벤트가 감지된 시점부터 이벤트 핸들러가 실행되기 전까지의 시간 [4, 5]. - 2. **처리 시간 (Processing duration):** 이벤트 핸들러 코드가 실제로 실행되는 시간 [4]. 성능 병목이 가장 자주 발생하는 구간입니다 [10]. - 3. **표시 지연 (Presentation delay):** 사용자 작업 이후 다음 프레임을 화면에 렌더링(페인트)할 때까지 걸리는 시간 [4]. - -* **최적화 전략:** - INP를 최적화하기 위해서는 브라우저의 메인 스레드(Main thread) 차단을 최소화해야 합니다. 이를 위해 긴 작업(Long tasks)을 비동기 청크로 분할하고, 핵심 이벤트 핸들러의 우선순위를 높이며, 불필요한 JavaScript 지연 로드(Lazy load) 및 수동 이벤트 리스너(Passive event listeners) 사용, 레이아웃 스래싱(Layout thrashing) 감소 등의 전략이 필요합니다 [11-14]. Chrome DevTools의 성능 패널에 통합된 Long Animation Frames API를 활용하면 상호작용을 지연시키는 특정 스크립트와 그 원인을 직관적으로 파악할 수 있습니다 [15, 16]. - -* **특수 측정 사례 (텍스트 강조 표시):** - 웹 페이지에서 텍스트를 드래그하여 강조 표시(Highlighting)하는 행위도 일반적으로 INP 점수에 영향을 주는 사용자 상호작용으로 간주됩니다 [17]. 다만, 2025년 초 Chrome의 업데이트를 통해 사용자가 창의 가장자리에 도달하여 스크롤이 트리거되는 텍스트 강조 표시 상황에서는 INP 점수가 증가하지 않도록 측정 방식이 조정되었습니다 [17]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[Core Web Vitals]], [[First Input Delay (FID)]], [[Long Animation Frames API]] -- **Projects/Contexts:** [[Chrome User Experience Report (CrUX)]], [[Chrome DevTools]], [[Interop 2025]] -- **Contradictions/Notes:** 초기 측정 방식에서는 모든 텍스트 강조 표시가 INP에 영향을 주었으나, 2025년 초 Chrome의 업데이트로 인해 스크롤을 동반하는 텍스트 강조 표시는 예외적으로 INP 지연 시간에 합산되지 않도록 변경되었습니다 [17]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/Interaction to Next Paint (INP).md]] ---- diff --git a/AI/Interface Segregation Principle.md b/AI/Interface Segregation Principle.md deleted file mode 100644 index 25db9f4d..00000000 --- a/AI/Interface Segregation Principle.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-6A25D0 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Interface Segregation Principle" ---- - -# [[Interface Segregation Principle]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Interface Segregation Principle.md]] ---- diff --git a/AI/Interface-Segregation-Principle-in-TS.md b/AI/Interface-Segregation-Principle-in-TS.md deleted file mode 100644 index 7f867bc2..00000000 --- a/AI/Interface-Segregation-Principle-in-TS.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-D46100 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Interface-Segregation-Principle-in-TS" ---- - -# [[Interface-Segregation-Principle-in-TS]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Interface-Segregation-Principle-in-TS.md]] ---- diff --git a/AI/Interop 2026.md b/AI/Interop 2026.md deleted file mode 100644 index 40fb29f5..00000000 --- a/AI/Interop 2026.md +++ /dev/null @@ -1,32 +0,0 @@ ---- -id: P-REINFORCE-AUTO-36D047 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Interop 2026" ---- - -# [[Interop 2026]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> Interop 2026은 웹 브라우저 간 코어 웹 바이탈(Core Web Vitals) 지원을 표준화하기 위한 후속 프로젝트로 언급된 제안입니다 [1]. 특히 파이어폭스(Firefox)나 사파리(Safari) 등에서 아직 지원이 계획되지 않은 누적 레이아웃 이동(Cumulative Layout Shift, CLS) 지표를 포함하기 위한 목적으로 제안되고 있습니다 [1]. - -## 📖 구조화된 지식 (Synthesized Content) -- **코어 웹 바이탈의 크로스 브라우저 지원 배경:** 2020년 구글이 발표한 코어 웹 바이탈은 오랫동안 크롬(Chrome) 전용 지표로 사용되었습니다 [1, 2]. 이 상황은 Interop 2025 프로젝트를 통해 파이어폭스와 사파리가 LCP(Largest Contentful Paint) 및 INP(Interaction to Next Paint) 지표 구현 작업을 시작하면서 변화하기 시작했습니다 [1]. -- **Interop 2026의 제안 사항:** 현재 진행 중인 브라우저 표준화 작업에는 누적 레이아웃 이동(CLS) 지표에 대한 지원이 계획되어 있지 않습니다 [1]. 이를 해결하기 위해 CLS 지표 지원을 Interop 2026에 포함시키자는 제안(proposal)이 나와 있는 상태입니다 [1]. -- **정보의 한계:** 소스에 관련 정보가 부족합니다. Interop 2026 프로젝트의 전체 범위, 구체적인 일정, CLS 외에 추가로 논의되는 웹 성능 지표 등에 대한 상세한 내용은 제공된 소스에 존재하지 않습니다. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[Core Web Vitals]], [[Cumulative Layout Shift]], [[Interop 2025]] -- **Projects/Contexts:** [[크로스 브라우저 코어 웹 바이탈 지원 (Cross-browser support for Core Web Vitals)]] -- **Contradictions/Notes:** 소스 내에서 Interop 2026은 확정된 프로젝트가 아니라 CLS 지표를 향후에 지원하기 위해 고려 중인 '제안' 단계로만 매우 짧게 언급되어 있습니다 [1]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/Interop 2026.md]] ---- diff --git a/AI/Interpolation and Extrapolation.md b/AI/Interpolation and Extrapolation.md deleted file mode 100644 index 74fdb579..00000000 --- a/AI/Interpolation and Extrapolation.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-C3D464 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Interpolation and Extrapolation" ---- - -# [[Interpolation and Extrapolation]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Interpolation and Extrapolation.md]] ---- diff --git a/AI/InversifyJS.md b/AI/InversifyJS.md deleted file mode 100644 index 265e6032..00000000 --- a/AI/InversifyJS.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-020B35 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - InversifyJS" ---- - -# [[InversifyJS]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/InversifyJS.md]] ---- diff --git a/AI/Irrational Games.md b/AI/Irrational Games.md deleted file mode 100644 index 7a13e8c6..00000000 --- a/AI/Irrational Games.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-8F0A9E -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Irrational Games" ---- - -# [[Irrational Games]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Irrational Games.md]] ---- diff --git a/AI/Itô Calculus.md b/AI/Itô Calculus.md deleted file mode 100644 index afa98168..00000000 --- a/AI/Itô Calculus.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-D65DD9 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Itô Calculus" ---- - -# [[Itô Calculus]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Itô Calculus.md]] ---- diff --git a/AI/J-curve S-curve (AI 발전의 동학).md b/AI/J-curve S-curve (AI 발전의 동학).md deleted file mode 100644 index 7f1bbded..00000000 --- a/AI/J-curve S-curve (AI 발전의 동학).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-25FEC6 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - J-curve S-curve (AI 발전의 동학)" ---- - -# [[J-curve S-curve (AI 발전의 동학)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/J-curve & S-curve (AI 발전의 동학).md]] ---- diff --git a/AI/JSON-Schema.md b/AI/JSON-Schema.md deleted file mode 100644 index 3210abfd..00000000 --- a/AI/JSON-Schema.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-CF1F59 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - JSON-Schema" ---- - -# [[JSON-Schema]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/JSON-Schema.md]] ---- diff --git a/AI/Jailbreaking (탈옥).md b/AI/Jailbreaking (탈옥).md deleted file mode 100644 index 4955b91d..00000000 --- a/AI/Jailbreaking (탈옥).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-C6F5E9 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Jailbreaking (탈옥)" ---- - -# [[Jailbreaking (탈옥)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Jailbreaking (탈옥).md]] ---- diff --git a/AI/Jenkins.md b/AI/Jenkins.md deleted file mode 100644 index c5bcd1bd..00000000 --- a/AI/Jenkins.md +++ /dev/null @@ -1,32 +0,0 @@ ---- -id: P-REINFORCE-AUTO-937A74 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Jenkins" ---- - -# [[Jenkins]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -* **SonarQube와의 통합을 통한 품질 검사 자동화:** Jenkins는 SonarQube와 원활하게 통합될 수 있는 다양한 개발 도구 중 하나입니다 [1]. Jenkins와 같은 CI/CD 파이프라인에 SonarQube를 연동함으로써 개발자는 AI가 생성한 코드 등을 포함한 소스 코드에 대해 즉각적인 피드백을 받을 수 있습니다 [1, 2]. 이는 자동화된 품질 검사를 일상적인 개발 활동의 핵심 구성 요소로 유지하게 해줍니다 [2]. -* **Endor Labs 통합:** Jenkins는 소프트웨어 공급망 보안 플랫폼인 Endor Labs 시스템과 연동 가능한 통합(Integrations) 도구로도 활용됩니다 [3]. -* **정보 부족:** Jenkins의 아키텍처, 역사, 구체적인 기능 및 내부 메커니즘 등 루트 주제를 깊이 이해하는 데 필요한 상세 내용에 대해서는 소스에 관련 정보가 부족합니다. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[SonarQube]], [[CI/CD Pipelines]], [[Endor Labs]] -- **Projects/Contexts:** [[Automated Code Review]], [[Software Supply Chain Security]] -- **Contradictions/Notes:** 소스에 관련 정보가 부족합니다. 소스 문헌들은 Jenkins의 단독적인 기능이나 특성을 설명하지 않으며, 오직 다른 코드 분석/보안 도구(SonarQube, Endor Labs)가 연동할 수 있는 CI/CD 플랫폼의 예시로만 언급하고 있습니다. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/Jenkins.md]] ---- diff --git a/AI/KTO (Kahneman-Tversky Optimization).md b/AI/KTO (Kahneman-Tversky Optimization).md deleted file mode 100644 index 6b3f793b..00000000 --- a/AI/KTO (Kahneman-Tversky Optimization).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-085B91 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - KTO (Kahneman-Tversky Optimization)" ---- - -# [[KTO (Kahneman-Tversky Optimization)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/KTO (Kahneman-Tversky Optimization).md]] ---- diff --git a/AI/Ken Levine-Design-Philosophy.md b/AI/Ken Levine-Design-Philosophy.md deleted file mode 100644 index 2fe2f556..00000000 --- a/AI/Ken Levine-Design-Philosophy.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-DE50FF -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Ken Levine-Design-Philosophy" ---- - -# [[Ken Levine-Design-Philosophy]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Ken Levine-Design-Philosophy.md]] ---- diff --git a/AI/Keyof-Operator.md b/AI/Keyof-Operator.md deleted file mode 100644 index 663515f1..00000000 --- a/AI/Keyof-Operator.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-D5D6DC -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Keyof-Operator" ---- - -# [[Keyof-Operator]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Keyof-Operator.md]] ---- diff --git a/AI/Kinematic-Modeling.md b/AI/Kinematic-Modeling.md deleted file mode 100644 index 8ba31616..00000000 --- a/AI/Kinematic-Modeling.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-47456C -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Kinematic-Modeling" ---- - -# [[Kinematic-Modeling]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Kinematic-Modeling.md]] ---- diff --git a/AI/Knowledge-Representation-in-AI.md b/AI/Knowledge-Representation-in-AI.md deleted file mode 100644 index 1c7c05a2..00000000 --- a/AI/Knowledge-Representation-in-AI.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-F03CAF -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Knowledge-Representation-in-AI" ---- - -# [[Knowledge-Representation-in-AI]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Knowledge-Representation-in-AI.md]] ---- diff --git a/AI/LLM Alignment (LLM 정렬).md b/AI/LLM Alignment (LLM 정렬).md deleted file mode 100644 index da75e1fd..00000000 --- a/AI/LLM Alignment (LLM 정렬).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-E3A7CD -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - LLM Alignment (LLM 정렬)" ---- - -# [[LLM Alignment (LLM 정렬)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/LLM Alignment (LLM 정렬).md]] ---- diff --git a/AI/LLM Hallucination (언어 모델 환각).md b/AI/LLM Hallucination (언어 모델 환각).md deleted file mode 100644 index f5717e5c..00000000 --- a/AI/LLM Hallucination (언어 모델 환각).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-3DFBCC -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - LLM Hallucination (언어 모델 환각)" ---- - -# [[LLM Hallucination (언어 모델 환각)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/LLM Hallucination (언어 모델 환각).md]] ---- diff --git a/AI/LLM.md b/AI/LLM.md deleted file mode 100644 index 3aae01a2..00000000 --- a/AI/LLM.md +++ /dev/null @@ -1,37 +0,0 @@ ---- -id: P-REINFORCE-AUTO-D415E3 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - LLM" ---- - -# [[LLM]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> LLM(대규모 언어 모델)은 코드의 문맥과 의미를 이해하고, 인간이 놓칠 수 있는 복잡한 패턴을 감지하며 더욱 정교한 피드백을 제공하는 데 활용되는 인공지능 기술입니다 [1, 2]. 기존의 단순 규칙 기반 정적 분석 도구와 달리, LLM은 코드 컨텍스트와 비즈니스 로직의 결함을 파악하고 맥락에 맞는 자동 수정(AutoFix) 제안을 생성하는 데 강력한 성능을 보여줍니다 [3-5]. 현대 소프트웨어 개발 환경에서 LLM은 코드 복잡도 분석, 보안 취약점 탐지, 그리고 상용구(boilerplate) 코드 작성 등의 작업에 폭넓게 도입되어 개발자의 전반적인 생산성을 향상시키고 있습니다 [2, 6, 7]. - -## 📖 구조화된 지식 (Synthesized Content) -* **정적 분석(SAST) 및 자동 수정에서의 활용** - AI-native SAST 플랫폼(예: Corgea, Fortify Aviator 등)은 핵심 스캐닝 엔진에 LLM을 직접 결합하여, 단순한 문자열 패턴 매칭을 넘어 코드의 문맥과 의도를 깊이 있게 파악합니다 [4, 8]. 이를 통해 기존의 패턴 기반 스캐너들이 놓치기 쉬운 복잡한 비즈니스 로직의 결함과 인증 관련 문제 등을 효과적으로 찾아낼 수 있습니다 [3]. 또한, 탐지된 보안 문제나 코드 스멜(Code smells)에 대해 LLM을 활용하여 실제 코드 베이스에 적용 가능한 자동 수정(AutoFix) 패치를 생성 및 제안합니다 [5, 9]. - -* **코드 복잡도 분석 및 버그 예측 모델** - LLM은 제어 흐름이나 순환 복잡도(Cyclomatic Complexity)를 직접 수치로 계산하지는 않지만, 조건문, 루프, 예외 처리 구조 및 코드 블록의 중첩 수준 등을 해석하여 복잡도와 유사한 패턴을 인지해냅니다 [7]. 이를 기반으로 자연어 기반의 구체적인 리팩토링 권장 사항을 개발자에게 제시할 수 있습니다 [10]. 또한 사전 학습된 LLM을 버그 예측에 도입할 경우, 복잡한 피처 엔지니어링 없이도 코드의 의미 자체를 이해하여 기존 머신러닝 기반 분류 모델보다 훨씬 높은 정확도로 잠재적 버그와 구성 논리 오류를 예측할 수 있는 가능성을 제공합니다 [2, 11]. - -* **개발자 생산성 향상과 내재된 한계점** - 개발자들은 LLM을 사용하여 반복적인 상용구(boilerplate) 코드를 신속하게 자동 생성하거나, 익숙하지 않은 프로그래밍 언어 및 프레임워크의 구조를 빠르게 파악함으로써 초기 작업 속도와 생산성을 획기적으로 높일 수 있습니다 [6, 12, 13]. 그러나 LLM은 여러 저장소(cross-repository)에 걸친 광범위한 문맥이나 깊이 얽힌 레거시 코드베이스를 완벽히 이해하는 데에는 명확한 한계를 보입니다 [14, 15]. 따라서 LLM이 생성한 코드는 환각(Hallucination)으로 인한 잘못된 함수 사용이나 보안 취약점을 포함할 위험성이 있으므로, 자동 생성된 패치나 코드는 반드시 품질 게이트(Quality gates) 검증과 인간의 꼼꼼한 리뷰 절차를 병행해야 합니다 [16-18]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[SAST]], [[Static Analysis]], [[AI Code Review]] -- **Projects/Contexts:** [[Corgea]], [[GitHub Copilot]], [[Snyk Code]], [[DeepCode AI]] -- **Contradictions/Notes:** 대다수의 개발자들은 LLM이 반복적인 상용구 코드 작성을 줄여주고 낯선 도메인에서의 작업 효율을 크게 향상시킨다고 긍정적으로 평가하지만 [6, 13, 19], 반대로 대규모의 복잡한 레거시 코드베이스나 이전에 해결된 적 없는 새로운 문제(Frontier)에서는 LLM의 효과가 무의미해지며, 잦은 환각(Hallucination)이나 미세한 오류로 인해 오히려 심각한 디버깅 시간을 낭비하게 만든다고 강력히 반대(또는 경계)하는 의견도 존재합니다 [14, 20-22]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/LLM.md]] ---- diff --git a/AI/LOD.md b/AI/LOD.md deleted file mode 100644 index 1fdc6ae3..00000000 --- a/AI/LOD.md +++ /dev/null @@ -1,33 +0,0 @@ ---- -id: P-REINFORCE-AUTO-D34DEB -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - LOD" ---- - -# [[LOD]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> LOD(Level of Detail)는 카메라와의 거리에 따라 고해상도(High-poly) 모델을 저해상도(Low-poly) 버전으로 동적으로 교체하여 렌더링 성능을 향상시키는 기법이다 [1, 2]. 대규모 3D 씬에서 먼 거리에 있는 객체의 기하학적 복잡도를 극적으로 낮추거나 단순한 평면(Impostor)으로 대체하여 불필요한 GPU 연산을 방지한다 [2, 3]. 이 시스템을 적절히 활용하면 프레임 속도 안정화에 기여하고 전체 씬의 폴리곤 수 및 GPU 처리량을 획기적으로 줄일 수 있다 [1, 4]. - -## 📖 구조화된 지식 (Synthesized Content) -- **LOD의 작동 원리 및 성능 이점:** 렌더링 엔진은 매 프레임마다 카메라와 객체 간의 거리를 측정하여 미리 정의된 적절한 LOD 수준으로 모델을 자동 전환한다 [5]. 일반적으로 가장 가까운 뷰(예: 50,000 폴리곤), 중간 거리, 원거리, 극단적 원거리(500 폴리곤 임포스터) 등 3~5단계의 LOD를 구성하는 방식이 사용된다 [5, 6]. 이 동적 스위칭은 GPU 프래그먼트 처리를 60~75% 절감하고 평균 폴리곤 수를 60~80% 감소시켜 프레임 속도를 크게 높인다 [4, 5]. -- **Instancing과의 결합 및 스킨드 메쉬 최적화:** 기본적으로 지오메트리 LOD는 각 LOD 단계별로 별도의 인스턴스 스택을 구성하지 않는 한 인스턴싱(Instancing)과 함께 사용하기 까다롭다 [7]. 그러나 `InstancedMesh2`와 같은 확장 라이브러리를 사용하면 개별 인스턴스에 대해서도 LOD 관리가 가능하다 [8, 9]. 애니메이션이 적용된 스킨드 메쉬(Skinned Mesh)의 경우, 기하학적 폴리곤뿐만 아니라 뼈대(Bone) 연산까지 LOD 단계에 맞춰 줄이고 관련 텍스처 크기(예: 32x32에서 8x8 해상도로 축소)를 대폭 삭감함으로써 렌더링 부하를 최소화할 수 있다 [10-12]. -- **팝핑(Popping) 현상 극복 및 CAD 렌더링 적용:** 단계별로 모델을 교체하는 이산형(Discrete) LOD 시스템은 전환 시 모델이 튀어 보이는 '팝핑' 현상이 발생할 수 있으며, 이는 정밀한 시각화가 필요한 CAD 환경에서는 부적합할 수 있다 [13]. 이를 해결하기 위해 동적으로 폴리곤을 단순화하는 연속적 LOD(Continuous LOD) 기법이나, 디더(Dither) 패턴을 활용해 두 단계의 LOD 모델을 겹쳐서 렌더링하여 부드럽게 전환하는 '디더링된 LOD 블렌드(Dithered LOD Blend)' 기술이 사용되기도 한다 [14]. -- **사용 시 주의사항 및 병목 해결의 순서:** 런타임에 동적으로 단순화된 지오메트리를 생성하여 LOD로 할당하는 방식은 엔진에 과도한 오버헤드를 유발하여 오히려 렌더링 성능을 악화시킬 수 있다 [15-17]. 따라서 모델 익스포트 단계에서 정적인 여러 LOD 단계를 미리 생성해 두는(Pre-created) 방식이 효과적이다 [18]. 또한, LOD는 애플리케이션이 드로우 콜(Draw call) 병목이 아닌 삼각형 처리 수(Triangle count) 한계에 도달했을 때 마지막 수단으로 고려해야 하는 최적화 기법이다 [17, 19, 20]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[Frustum Culling]], [[Billboard impostors]], [[InstancedMesh]], [[Draw Calls]], [[Mipmaps]] -- **Projects/Contexts:** [[Three.js]], [[React Three Fiber]] (Drei 라이브러리의 `` 컴포넌트 [1]), [[InstancedMesh2]], [[CAD Rendering]] -- **Contradictions/Notes:** 소스에 따르면 LOD는 거리에 따라 렌더링 부하를 줄여주는 강력한 툴이지만, 런타임에 지오메트리 버전을 동적으로 연산하여 생성하려는 시도는 오히려 큰 성능 저하를 초래할 수 있으므로 상황(정적 자산 중심)에 맞게 적용해야 한다고 지적한다 [16-18]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/LOD.md]] ---- diff --git a/AI/Language-Acquisition-Apps.md b/AI/Language-Acquisition-Apps.md deleted file mode 100644 index dd8ed69d..00000000 --- a/AI/Language-Acquisition-Apps.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-6239D3 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Language-Acquisition-Apps" ---- - -# [[Language-Acquisition-Apps]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Language-Acquisition-Apps.md]] ---- diff --git a/AI/Large-Scale-Enterprise-Frontend-Architectures.md b/AI/Large-Scale-Enterprise-Frontend-Architectures.md deleted file mode 100644 index bdf8d42a..00000000 --- a/AI/Large-Scale-Enterprise-Frontend-Architectures.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-69DDE6 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Large-Scale-Enterprise-Frontend-Architectures" ---- - -# [[Large-Scale-Enterprise-Frontend-Architectures]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Large-Scale-Enterprise-Frontend-Architectures.md]] ---- diff --git a/AI/Large-Scale-Knowledge-Integration.md b/AI/Large-Scale-Knowledge-Integration.md deleted file mode 100644 index c56c0fba..00000000 --- a/AI/Large-Scale-Knowledge-Integration.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-E04C5A -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Large-Scale-Knowledge-Integration" ---- - -# [[Large-Scale-Knowledge-Integration]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Large-Scale-Knowledge-Integration.md]] ---- diff --git a/AI/Large-scale-Frontend-Architecture.md b/AI/Large-scale-Frontend-Architecture.md deleted file mode 100644 index b689d7b5..00000000 --- a/AI/Large-scale-Frontend-Architecture.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-06FE72 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Large-scale-Frontend-Architecture" ---- - -# [[Large-scale-Frontend-Architecture]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Large-scale-Frontend-Architecture.md]] ---- diff --git a/AI/Large-scale-TypeScript-Monorepos.md b/AI/Large-scale-TypeScript-Monorepos.md deleted file mode 100644 index 3f3c1e1c..00000000 --- a/AI/Large-scale-TypeScript-Monorepos.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-EE05DB -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Large-scale-TypeScript-Monorepos" ---- - -# [[Large-scale-TypeScript-Monorepos]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Large-scale-TypeScript-Monorepos.md]] ---- diff --git a/AI/Largest Contentful Paint (LCP).md b/AI/Largest Contentful Paint (LCP).md deleted file mode 100644 index 3a9ea31d..00000000 --- a/AI/Largest Contentful Paint (LCP).md +++ /dev/null @@ -1,38 +0,0 @@ ---- -id: P-REINFORCE-AUTO-C57B92 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Largest Contentful Paint (LCP)" ---- - -# [[Largest Contentful Paint (LCP)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> LCP(Largest Contentful Paint)는 웹 페이지의 로딩 성능을 측정하는 구글의 핵심 웹 바이탈(Core Web Vitals) 지표 중 하나로, 브라우저가 화면에 가장 큰 콘텐츠를 렌더링하는 데 걸리는 시간을 의미합니다 [1, 2]. 이는 사용자가 페이지의 주요 콘텐츠를 볼 수 있게 되는 시점을 나타내는 대리 지표로 사용됩니다 [2]. 구글은 좋은 사용자 경험을 위해 LCP를 2.5초 미만으로 유지할 것을 권장하며, 4.0초를 초과하면 불량한 것으로 간주합니다 [3, 4]. - -## 📖 구조화된 지식 (Synthesized Content) -* **LCP의 역할 및 측정 기준:** - LCP는 초기 시각적 응답 속도를 측정하며, 페이지 로드 시 가장 넓은 픽셀 영역을 차지하는 텍스트나 이미지 요소의 렌더링 완료 시점을 기준으로 합니다 [2, 5]. 데스크톱 및 모바일 환경의 실제 사용자 데이터를 기반으로 한 Chrome User Experience Report(CrUX)에서 75백분위수 방문자의 경험을 기준으로 평가됩니다 [6, 7]. -* **성능 최적화 및 디버깅:** - LCP를 개선하기 위해서는 서버 응답 시간 최적화, 사전 연결(preconnect), 주요 리소스 사전 로드(preload), 렌더링을 차단하는 CSS/JS의 감소가 필요합니다 [8]. 특히 LCP에 영향을 미치는 주요 이미지에는 `fetchpriority='high'` 속성을 부여하여 로딩 우선순위를 높이는 것이 권장됩니다 [9]. 개발자는 Chrome DevTools의 'Performance' 패널과 'Live metrics' 화면을 통해 로컬 및 실제 필드 데이터의 LCP를 실시간으로 확인하고, 지표에 영향을 미치는 LCP 요소를 직접 추적할 수 있습니다 [6, 9-11]. -* **최근 측정 및 지표 업데이트 (2025년 기준):** - * **LCP Subparts:** 2025년 2월부터 CrUX는 LCP를 구성하는 하위 요소(subparts) 데이터를 제공하여, 느린 서버 응답인지, 이미지 다운로드 지연인지 등 LCP 지연 원인을 세분화하여 파악할 수 있게 되었습니다 [12]. 이 하위 요소 데이터는 가장 큰 콘텐츠 요소가 이미지인 방문에 한해 적용됩니다 [13]. - * **Cross-origin 이미지 측정 개선:** 기존에 Chrome은 `Timing-Allow-Origin` 응답 헤더가 없는 크로스 오리진 이미지의 경우 이미지가 화면에 표시되기 전 다운로드된 시간만 보고했으나, 2025년 2월부터 실제 렌더링 시간을 정확히 반영하도록 측정 방식을 변경했습니다 [14]. - * **렌더링 시간의 세분화:** Chrome은 LCP 페인트 타이밍을 브라우저 렌더링이 완료된 시간(`paintTime`)과 실제 픽셀이 화면에 나타난 시간(`presentationTime`)으로 세분화하여 보고하기 시작했습니다 [15]. - * **브라우저 지원 확대 및 Soft Navigation:** Interop 2025 프로젝트를 통해 기존에 Chrome에 국한되었던 LCP 지표가 Firefox 및 Safari(Technology Preview 버전)에서도 지원되기 시작했습니다 [16]. 또한 현재 LCP는 초기 네비게이션 시에만 로드 시간을 측정하지만, 2025년 8월 Chrome은 SPA(Single-Page Application)와 같은 Soft Navigation 환경에서도 LCP 로드 시간을 측정하기 위한 새로운 Origin Trial을 시작했습니다 [17]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[Core Web Vitals]], [[Chrome User Experience Report (CrUX)]], [[Interaction to Next Paint (INP)]], [[Cumulative Layout Shift (CLS)]], [[Soft Navigation]] -- **Projects/Contexts:** [[Interop 2025]], [[Chrome DevTools]], [[Lighthouse]] -- **Contradictions/Notes:** 소스에 따르면 현재 LCP 지표는 웹 사이트의 초기 네비게이션(initial navigation)에 대한 로드 시간만을 측정하기 때문에, URL 변경 시 전체 새로고침이 일어나지 않는 Soft Navigation 기반의 단일 페이지 애플리케이션(SPA) 운영자와 개발자에게는 성능 분석에 상당한 사각지대가 발생한다는 한계가 지적됩니다 [17]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/Largest Contentful Paint (LCP).md]] ---- diff --git a/AI/Lerna-Legacy-Management.md b/AI/Lerna-Legacy-Management.md deleted file mode 100644 index 40550359..00000000 --- a/AI/Lerna-Legacy-Management.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-0CDF64 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Lerna-Legacy-Management" ---- - -# [[Lerna-Legacy-Management]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Lerna-Legacy-Management.md]] ---- diff --git a/AI/Level Design Architecture.md b/AI/Level Design Architecture.md deleted file mode 100644 index fdf64fe0..00000000 --- a/AI/Level Design Architecture.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-E822FE -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Level Design Architecture" ---- - -# [[Level Design Architecture]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Level Design Architecture.md]] ---- diff --git a/AI/Level Design Automation.md b/AI/Level Design Automation.md deleted file mode 100644 index fa042bad..00000000 --- a/AI/Level Design Automation.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-1A2A10 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Level Design Automation" ---- - -# [[Level Design Automation]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Level Design Automation.md]] ---- diff --git a/AI/Level of Detail (LOD).md b/AI/Level of Detail (LOD).md deleted file mode 100644 index 3e2cb83b..00000000 --- a/AI/Level of Detail (LOD).md +++ /dev/null @@ -1,35 +0,0 @@ ---- -id: P-REINFORCE-AUTO-B9CF3B -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Level of Detail (LOD)" ---- - -# [[Level of Detail (LOD)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> LOD(Level of Detail)는 카메라와의 거리에 따라 객체의 기하학적 복잡도(폴리곤 수)를 동적으로 조절하여 렌더링 성능을 최적화하는 기법입니다 [1-3]. 가까운 객체에는 고해상도(High-poly) 모델을 보여주고, 멀리 있는 객체는 저해상도(Low-poly) 모델이나 단순한 평면(Impostor)으로 교체하여 GPU 연산량을 줄입니다 [1, 2, 4, 5]. 이를 통해 화면의 시각적 품질을 유지하면서도 대규모 씬의 프레임 속도를 크게 개선할 수 있습니다 [6, 7]. - -## 📖 구조화된 지식 (Synthesized Content) -- **성능 개선 효과:** Three.js는 매 프레임 카메라와 객체 사이의 거리를 측정하여 적절한 폴리곤 밀도를 가진 메쉬로 자동 전환합니다 [3, 7, 8]. 대규모 씬에서 LOD를 적용하면 GPU 프래그먼트 처리량을 60~75% 감소시키고, 평균 폴리곤 수를 60~80% 줄일 수 있으며 [3, 7], 프레임 레이트를 30~40% 향상시킬 수 있습니다 [6]. -- **LOD 단계의 구성:** 일반적으로 3~5단계의 LOD 버전을 사전에 생성하여 사용합니다. 예를 들어, 근접 뷰용 5만 개(Hero), 중간 거리용 1만 5천 개, 배경용 5천 개, 그리고 극한의 거리를 위한 500개의 임포스터(Impostor) 메쉬로 구성하는 방식입니다 [4, 7]. 거리가 먼 객체는 드로우 콜과 삼각형 수를 줄이기 위해 질감이 입혀진 단일 평면(Billboard Impostor)으로 대체되기도 합니다 [2, 5]. -- **확장된 LOD 적용:** LOD 개념은 기하학적 메쉬뿐만 아니라 다른 렌더링 요소에도 적용됩니다. 애니메이션 최적화 시 뼈대(Bone)와 관련된 연산이나 텍스처 크기를 거리에 따라 줄이거나 [9-12], 텍스처 샘플링을 위해 해상도 피라미드를 구성하는 밉맵(Mipmaps) 기능도 일종의 거리 기반 디테일 조절 기법입니다 [13]. -- **성능적 트레이드오프 및 한계:** LOD 시스템은 보이지 않는 메쉬 레벨까지 모두 GPU 메모리에 유지해야 하므로 메모리 사용량이 증가합니다 [14]. 또한 매 프레임 거리를 계산하고 메쉬를 교체하는 작업이 개별 메쉬마다 CPU 오버헤드를 발생시킵니다 [8]. -- **LOD 적용의 적합성:** 장면 최적화 시 LOD는 드로우 콜(Draw Call) 병목 현상을 해결해 주지는 않습니다. 따라서 수천 개의 고유 요소를 렌더링하는 경우 드로우 콜 병목이 먼저 발생하므로 LOD가 성능 향상에 기여하지 못할 수 있습니다 [15]. LOD는 삼각형 수(예: 600만 개 이상)가 너무 많아 GPU가 한계에 도달했을 때 효과적이며, 거대한 오픈 월드나 매우 상세한 모델이 없는 한 후순위로 고려해야 할 최적화 기법입니다 [16-18]. -- **구현 방식:** Three.js에서는 `THREE.LOD` 객체를 사용하여 구현하며 [7], React Three Fiber에서는 Drei 라이브러리의 `` 컴포넌트를 통해 간편하게 설정할 수 있습니다 [1, 19]. InstancedMesh2 라이브러리 등을 통해 인스턴싱 기술과 LOD를 함께 활용하기도 합니다 [11, 20-22]. 런타임에 동적으로 모델을 단순화(Simplify)하여 LOD를 생성하는 것은 오버헤드를 유발하므로, 익스포트 단계에서 미리 LOD 메쉬를 만들어두는 것이 권장됩니다 [16, 23, 24]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[Draw Calls]], [[Impostor]], [[InstancedMesh]], [[Frustum Culling]], [[Mipmaps]] -- **Projects/Contexts:** [[Three.js]], [[React Three Fiber]], [[InstancedMesh2]] -- **Contradictions/Notes:** LOD 기술이 항상 성능 향상을 가져오는 것은 아닙니다. 만약 애플리케이션이 드로우 콜 과부하 상태(Draw call bound)라면 LOD를 적용해도 드로우 콜 자체가 줄지 않으므로 성능이 오히려 약간 저하될 수 있으며, 메모리 부하와 교체 연산 오버헤드만 추가될 위험이 있습니다 [8, 14, 15]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/Level of Detail (LOD).md]] ---- diff --git a/AI/Level-Design-Automation.md b/AI/Level-Design-Automation.md deleted file mode 100644 index 787fcaa7..00000000 --- a/AI/Level-Design-Automation.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-7DF19B -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Level-Design-Automation" ---- - -# [[Level-Design-Automation]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Level-Design-Automation.md]] ---- diff --git a/AI/Linear Representation Hypothesis (선형 표현 가설).md b/AI/Linear Representation Hypothesis (선형 표현 가설).md deleted file mode 100644 index 890000df..00000000 --- a/AI/Linear Representation Hypothesis (선형 표현 가설).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-CEDE85 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Linear Representation Hypothesis (선형 표현 가설)" ---- - -# [[Linear Representation Hypothesis (선형 표현 가설)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Linear Representation Hypothesis (선형 표현 가설).md]] ---- diff --git a/AI/Live Service Game Design.md b/AI/Live Service Game Design.md deleted file mode 100644 index 5b36a549..00000000 --- a/AI/Live Service Game Design.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-84B088 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Live Service Game Design" ---- - -# [[Live Service Game Design]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Live Service Game Design.md]] ---- diff --git a/AI/LiveOps Management.md b/AI/LiveOps Management.md deleted file mode 100644 index c74ab2e8..00000000 --- a/AI/LiveOps Management.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-79CEB3 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - LiveOps Management" ---- - -# [[LiveOps Management]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/LiveOps Management.md]] ---- diff --git a/AI/LoRA (Low-Rank Adaptation).md b/AI/LoRA (Low-Rank Adaptation).md deleted file mode 100644 index ee8d6745..00000000 --- a/AI/LoRA (Low-Rank Adaptation).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-3C77A7 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - LoRA (Low-Rank Adaptation)" ---- - -# [[LoRA (Low-Rank Adaptation)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/LoRA (Low-Rank Adaptation).md]] ---- diff --git a/AI/Locus of Control.md b/AI/Locus of Control.md deleted file mode 100644 index 96fa72c7..00000000 --- a/AI/Locus of Control.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-83F003 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Locus of Control" ---- - -# [[Locus of Control]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Locus of Control.md]] ---- diff --git a/AI/Locus-of-Control.md b/AI/Locus-of-Control.md deleted file mode 100644 index 2293abab..00000000 --- a/AI/Locus-of-Control.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-C947BF -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Locus-of-Control" ---- - -# [[Locus-of-Control]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Locus-of-Control.md]] ---- diff --git a/AI/Long Animation Frames API.md b/AI/Long Animation Frames API.md deleted file mode 100644 index 04a6aec1..00000000 --- a/AI/Long Animation Frames API.md +++ /dev/null @@ -1,32 +0,0 @@ ---- -id: P-REINFORCE-AUTO-2A8383 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Long Animation Frames API" ---- - -# [[Long Animation Frames API]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> Long Animation Frames API는 사용자 상호작용을 지연시키는 스크립트를 식별하고 세부 정보를 제공하는 데 사용되는 웹 성능 API입니다 [1]. Chrome 브라우저에서 INP(Interaction to Next Paint) 지표 측정을 위한 계측(instrumentation) 역할을 하여, 특정 상호작용 중에 실행된 자바스크립트 목록을 제공합니다 [2]. 이를 통해 개발자는 열악한 사용자 경험을 유발하는 스크립트와 함수를 효과적으로 탐지하고 최적화할 수 있습니다 [2]. - -## 📖 구조화된 지식 (Synthesized Content) -* **상호작용 처리 시간 및 스크립트 식별:** 이 API는 사용자의 입력(클릭, 탭, 포인터 등)에 대한 직접적 또는 간접적인 결과로 실행된 이벤트 리스너나 콜백 등의 스크립트 목록을 식별하게 해줍니다 [2]. Chrome DevTools에서 INP 값을 분석할 때, 이 API 덕분에 상호작용 처리 시간에 기여한 자바스크립트 코드의 상세 목록을 콘솔에서 확인할 수 있습니다 [2]. -* **성능 모니터링 도구에서의 활용:** DebugBear와 같은 웹 성능 모니터링 제품은 Long Animation Frames API에서 얻은 데이터를 활용하여 사용자 상호작용을 지연시키는 스크립트를 시각화합니다 [1]. 이를 통해 각 스크립트를 파비콘, 실행 이유에 대한 설명, 그리고 스크립팅 작업과 레이아웃 작업의 세부 항목으로 분류하여 표시할 수 있습니다 [1]. -* **INP(Interaction to Next Paint) 문제 해결:** 웹 사이트의 반응성을 측정하는 핵심 지표인 INP의 하위 요소 중 '처리 시간(Processing duration)'의 지연 원인을 분석할 때 매우 중요하게 활용됩니다 [2, 3]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[INP (Interaction to Next Paint)]], [[Chrome DevTools]], [[Web Performance]] -- **Projects/Contexts:** 사용자 상호작용 병목 현상을 파악하기 위한 [[Chrome DevTools]] 성능 패널 및 [[DebugBear]] 웹 성능 모니터링 대시보드 -- **Contradictions/Notes:** 소스에 모순되는 내용은 존재하지 않으며, 이 API는 웹 성능 분석 및 서드파티 모니터링 서비스에서 자바스크립트 실행 지연을 식별하는 주요 수단으로 일관되게 설명되고 있습니다. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/Long Animation Frames API.md]] ---- diff --git a/AI/Long Tasks.md b/AI/Long Tasks.md deleted file mode 100644 index 24e1ad36..00000000 --- a/AI/Long Tasks.md +++ /dev/null @@ -1,39 +0,0 @@ ---- -id: P-REINFORCE-AUTO-183DC1 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Long Tasks" ---- - -# [[Long Tasks]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 롱 태스크(Long Tasks)는 브라우저의 메인 스레드를 50ms 이상 장시간 차단하는 자바스크립트 연산 등의 CPU 처리 작업을 의미합니다 [1]. 이러한 작업은 짧은 여러 개의 작업보다 사용자 상호작용(Interaction)을 훨씬 더 지연시키며, 웹사이트를 느리게 느껴지게 만드는 주된 원인이 됩니다 [2]. - -## 📖 구조화된 지식 (Synthesized Content) -- **정의 및 성능에 미치는 영향:** - 롱 태스크는 브라우저의 메인 스레드를 50밀리초(ms) 이상 차단하는 자바스크립트 연산을 말합니다 [1]. 브라우저의 CPU 처리 작업 중 롱 태스크는 사용자 상호작용을 처리하는 것을 방해하여 응답성을 지연시킵니다 [2]. 이는 사용자 경험을 저하시키며, 구글의 Core Web Vitals 지표 중 하나인 INP(Interaction to Next Paint) 점수를 악화시키는 주요 원인이 됩니다 [1, 3]. -- **식별 및 모니터링 방법:** - 개발자는 Chrome DevTools의 Performance(성능) 패널을 통해 롱 태스크를 발견할 수 있습니다. 성능 프로파일링 시 긴 시간이 소요된 Task에는 빨간색 삼각형 경고가 표시되어 성능 병목 현상이 발생했음을 알립니다 [4, 5]. 또한 Long Animation Frames API를 활용하여 사용자 상호작용을 지연시키는 특정 스크립트를 식별하고 분석할 수도 있습니다 [6, 7]. -- **최적화 및 해결 전략:** - 상호작용 응답성을 개선하려면 롱 태스크를 쪼개어 브라우저가 렌더링 및 입력을 처리할 시간을 확보해야 합니다 [1]. 제공된 소스에서 권장하는 해결 방법은 다음과 같습니다. - - **작업 분할(Task Splitting):** 무거운 자바스크립트 함수를 더 작은 비동기 청크(async chunks)로 나눕니다 [1]. - - **Scheduler API 사용:** `scheduler.yield()`와 같은 메서드를 사용하여 작업 중간에 브라우저 스케줄러로 제어권을 넘겨(yield) 사용자 상호작용을 먼저 처리하게 한 뒤 남은 작업을 계속 진행합니다 [2]. - - **메인 스레드 오프로딩:** Web Workers를 활용하여 무거운 로직을 메인 스레드에서 분리하여 실행합니다 [1, 8]. - - **스케줄링 및 지연 로딩:** `requestIdleCallback`을 사용하여 중요도가 낮은 작업의 실행을 미루거나, 중요하지 않은 자바스크립트의 로딩을 지연(defer) 및 지연 로딩(lazy load) 처리합니다 [1, 9]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[Interaction to Next Paint (INP)]], [[Main Thread]], [[Scheduler API]], [[Chrome DevTools]] -- **Projects/Contexts:** [[Core Web Vitals]], [[Web Performance Optimization]] -- **Contradictions/Notes:** 소스 간의 모순된 내용은 발견되지 않았으며, 제공된 자료들은 공통적으로 웹 성능 향상을 위해 롱 태스크를 식별하고 분할하는 것의 중요성을 강조하고 있습니다. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/Long Tasks.md]] ---- diff --git a/AI/Ludology-vs-Narratology.md b/AI/Ludology-vs-Narratology.md deleted file mode 100644 index 6632511b..00000000 --- a/AI/Ludology-vs-Narratology.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-977AD2 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Ludology-vs-Narratology" ---- - -# [[Ludology-vs-Narratology]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Ludology-vs-Narratology.md]] ---- diff --git a/AI/MDA-P-Framework.md b/AI/MDA-P-Framework.md deleted file mode 100644 index bc3156be..00000000 --- a/AI/MDA-P-Framework.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-CCDD20 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - MDA-P-Framework" ---- - -# [[MDA-P-Framework]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/MDA-P-Framework.md]] ---- diff --git a/AI/MMORPG Economic Management.md b/AI/MMORPG Economic Management.md deleted file mode 100644 index 16920a96..00000000 --- a/AI/MMORPG Economic Management.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-CD65EB -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - MMORPG Economic Management" ---- - -# [[MMORPG Economic Management]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/MMORPG Economic Management.md]] ---- diff --git a/AI/Machine Learning in Game Design.md b/AI/Machine Learning in Game Design.md deleted file mode 100644 index 54fee637..00000000 --- a/AI/Machine Learning in Game Design.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-E6138D -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Machine Learning in Game Design" ---- - -# [[Machine Learning in Game Design]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Machine Learning in Game Design.md]] ---- diff --git a/AI/Machine-Learning-Animation.md b/AI/Machine-Learning-Animation.md deleted file mode 100644 index 868adb1c..00000000 --- a/AI/Machine-Learning-Animation.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-223E1A -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Machine-Learning-Animation" ---- - -# [[Machine-Learning-Animation]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Machine-Learning-Animation.md]] ---- diff --git a/AI/Main Thread.md b/AI/Main Thread.md deleted file mode 100644 index 674ff26e..00000000 --- a/AI/Main Thread.md +++ /dev/null @@ -1,32 +0,0 @@ ---- -id: P-REINFORCE-AUTO-905D08 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Main Thread" ---- - -# [[Main Thread]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> Main Thread(메인 스레드)는 웹 브라우저에서 자바스크립트 실행, 렌더링, 이벤트 처리 등 핵심 작업이 순차적으로 실행되는 단일 작업 흐름을 의미합니다 [1, 2]. WebGL과 같은 환경에서는 그래픽 명령어 제출을 비롯한 무거운 연산이 메인 스레드에서 이루어질 경우 렌더링 파이프라인이 차단되어 지연(Latency)과 병목 현상이 발생할 수 있습니다 [1, 2]. Chrome DevTools와 같은 성능 분석 도구를 통해 메인 스레드의 활동을 시각적으로 추적하고 병목 지점을 최적화할 수 있습니다 [3-5]. - -## 📖 구조화된 지식 (Synthesized Content) -* **단일 스레드 구조와 병목 현상:** WebGL은 단일 스레드(Single-threaded) 환경에서 작동하므로 모든 드로우 콜(draw call), 상태 변경, 리소스 업로드가 메인 스레드에서 순차적으로 실행됩니다 [2]. 이로 인해 자바스크립트 실행에 과도한 시간이 소요되면 메인 스레드가 차단(blocked)되고 렌더링 파이프라인이 지연되는 병목 현상이 발생하며, GPU는 다음 명령을 기다리며 유휴 상태(idle)로 남게 됩니다 [1, 2, 6, 7]. -* **성능 모니터링 및 진단:** Chrome DevTools의 Performance 패널에서 'Main' 트랙을 사용하면 메인 스레드의 활동을 시간의 흐름에 따른 플레임 차트(flame chart) 형태로 분석할 수 있습니다 [3-5]. 개발자는 이를 통해 16.67ms의 프레임 예산을 초과하여 메인 스레드를 차단하는 구체적인 자바스크립트 함수를 식별하고 [8], 50ms를 초과하는 긴 작업(Long tasks)을 파악하여 성능 저하의 원인을 진단할 수 있습니다 [9, 10]. -* **최적화 및 WebGPU로의 전환:** 메인 스레드의 차단을 방지하여 상호작용성(Responsiveness)을 높이려면, 무거운 자바스크립트 작업을 더 작은 비동기 조각으로 나누거나 웹 워커(Web Workers)를 활용하여 메인 스레드에서 작업을 분리해야 합니다 [9]. 최근에는 이러한 메인 스레드 병목 현상을 근본적으로 해결하기 위해, 애니메이션 로직과 명령어 생성을 다중 스레드(Multi-Threaded)로 분산하고 작업을 GPU로 오프로드할 수 있는 WebGPU 기술이 도입되고 있습니다 [11, 12]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[WebGL]], [[WebGPU]], [[Total Blocking Time (TBT)]], [[Interaction to Next Paint (INP)]], [[Long Tasks]] -- **Projects/Contexts:** [[Chrome DevTools Performance Panel]], [[Core Web Vitals]] -- **Contradictions/Notes:** 소스는 WebGL이 메인 스레드에서 순차적으로 그래픽 명령을 처리하여 CPU 병목을 유발한다고 주장하는 반면, 새로운 WebGPU는 다중 스레드 명령 생성(Multi-Threaded Command Generation)을 지원하여 메인 스레드의 오버헤드를 대폭 줄일 수 있다고 대조하여 설명합니다 [2, 11, 12]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/Main Thread.md]] ---- diff --git a/AI/Market Regulation.md b/AI/Market Regulation.md deleted file mode 100644 index 08d0b40c..00000000 --- a/AI/Market Regulation.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-E87A98 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Market Regulation" ---- - -# [[Market Regulation]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Market Regulation.md]] ---- diff --git a/AI/Mechanistic Interpretability (기계적 해석 가능성).md b/AI/Mechanistic Interpretability (기계적 해석 가능성).md deleted file mode 100644 index 4db497aa..00000000 --- a/AI/Mechanistic Interpretability (기계적 해석 가능성).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-2BBD92 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Mechanistic Interpretability (기계적 해석 가능성)" ---- - -# [[Mechanistic Interpretability (기계적 해석 가능성)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Mechanistic Interpretability (기계적 해석 가능성).md]] ---- diff --git a/AI/Mesocortical Pathway.md b/AI/Mesocortical Pathway.md deleted file mode 100644 index f9578d3d..00000000 --- a/AI/Mesocortical Pathway.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-F74D23 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Mesocortical Pathway" ---- - -# [[Mesocortical Pathway]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Mesocortical Pathway.md]] ---- diff --git a/AI/Metabolic Efficiency.md b/AI/Metabolic Efficiency.md deleted file mode 100644 index a8457606..00000000 --- a/AI/Metabolic Efficiency.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-237ED8 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Metabolic Efficiency" ---- - -# [[Metabolic Efficiency]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Metabolic Efficiency.md]] ---- diff --git a/AI/Metabolic-Flexibility.md b/AI/Metabolic-Flexibility.md deleted file mode 100644 index 0cdfa346..00000000 --- a/AI/Metabolic-Flexibility.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-1081E3 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Metabolic-Flexibility" ---- - -# [[Metabolic-Flexibility]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Metabolic-Flexibility.md]] ---- diff --git a/AI/Metabolic-Resource-Allocation.md b/AI/Metabolic-Resource-Allocation.md deleted file mode 100644 index f1702482..00000000 --- a/AI/Metabolic-Resource-Allocation.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-9E2C0F -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Metabolic-Resource-Allocation" ---- - -# [[Metabolic-Resource-Allocation]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Metabolic-Resource-Allocation.md]] ---- diff --git a/AI/Metro Exodus.md b/AI/Metro Exodus.md deleted file mode 100644 index 5c8daf1c..00000000 --- a/AI/Metro Exodus.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-0E2C65 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Metro Exodus" ---- - -# [[Metro Exodus]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Metro Exodus.md]] ---- diff --git a/AI/Microservices-Architecture-Bounded-Contexts.md b/AI/Microservices-Architecture-Bounded-Contexts.md deleted file mode 100644 index 5088915f..00000000 --- a/AI/Microservices-Architecture-Bounded-Contexts.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-018DBB -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Microservices-Architecture-Bounded-Contexts" ---- - -# [[Microservices-Architecture-Bounded-Contexts]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Microservices-Architecture-Bounded-Contexts.md]] ---- diff --git a/AI/Microservices-Architecture-Type-Safety.md b/AI/Microservices-Architecture-Type-Safety.md deleted file mode 100644 index c0fdea89..00000000 --- a/AI/Microservices-Architecture-Type-Safety.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-E27CC2 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Microservices-Architecture-Type-Safety" ---- - -# [[Microservices-Architecture-Type-Safety]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Microservices-Architecture-Type-Safety.md]] ---- diff --git a/AI/Microservices-Communication-Patterns.md b/AI/Microservices-Communication-Patterns.md deleted file mode 100644 index eeb134be..00000000 --- a/AI/Microservices-Communication-Patterns.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-8E2D1A -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Microservices-Communication-Patterns" ---- - -# [[Microservices-Communication-Patterns]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Microservices-Communication-Patterns.md]] ---- diff --git a/AI/Mipmap.md b/AI/Mipmap.md deleted file mode 100644 index 64603128..00000000 --- a/AI/Mipmap.md +++ /dev/null @@ -1,33 +0,0 @@ ---- -id: P-REINFORCE-AUTO-F5788A -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Mipmap" ---- - -# [[Mipmap]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> Mipmap(또는 Mipmapping)은 거리 기반의 디테일 수준(LOD, Level of Detail) 샘플링을 위해 미리 계산된 다단계 텍스처 해상도 피라미드입니다 [1]. 텍스처 렌더링 시 발생하는 계단 현상(aliasing artifacts)을 제거하고, 화면상에 에셋이 매끄럽게 표시되도록 돕는 역할을 합니다 [1, 2]. 하지만 Mipmap을 저장하기 위해 추가적인 GPU 메모리 공간이 필요하며, 특정 최적화 기법(텍스처 아틀라스)과 결합할 때 텍스처 간 번짐 현상을 유발할 수 있다는 특징이 있습니다 [3, 4]. - -## 📖 구조화된 지식 (Synthesized Content) -- **시각적 품질 향상 및 에일리어싱 방지:** 밉맵은 카메라와의 거리를 기준으로 텍스처의 해상도를 조절(LOD 샘플링)하기 위해 만들어집니다 [1]. 이를 통해 텍스처 처리 과정에서 나타나는 에일리어싱(Aliasing) 아티팩트 문제를 제거하여 3D 에셋 렌더링 시 부드러운 스케일링과 시각적 품질을 제공할 수 있습니다 [1, 2]. -- **메모리 오버헤드 증가:** 여러 해상도의 텍스처 버전을 함께 생성하여 보관해야 하므로 상당한 GPU 메모리 대역폭을 소비합니다 [4]. 예를 들어, 고해상도 텍스처를 적용한 단일 모델은 밉맵 데이터를 포함하기 전에도 256MB의 VRAM을 차지할 수 있으며, 밉맵 적용 시 메모리 용량 부담은 더 커집니다 [4]. -- **텍스처 아틀라스(Texture Atlas)의 경계 번짐(Edge Bleeding) 부작용:** 모델 최적화를 위해 여러 텍스처를 한 장으로 합치는 '텍스처 아틀라스' 기법을 사용할 때, 해상도가 낮아진 밉 레벨(lower mip levels)에서는 텍스처 필터링 중 인접한 텍스처 영역이 흐려지고 서로 섞이는 '에지 블리딩' 현상이 발생합니다 [3]. 이를 막기 위해 텍스처 사이에 여백(Padding)을 추가해야 하지만, 이는 결국 메모리 낭비를 초래합니다 [3]. -- **배열 텍스처(Array Textures)를 통한 해결:** 기존 아틀라스 방식의 한계를 극복하기 위해 배열 텍스처(Data Array Textures)를 도입하면, 레이어 간 교차 오염(cross-contamination) 없이 각 텍스처 레이어에 대해 올바른 밉맵을 온전하게 생성할 수 있습니다 [5]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[Level of Detail (LOD)]], [[Texture Atlas]], [[Data Array Textures]], [[Aliasing]] -- **Projects/Contexts:** [[Three.js 최적화 파이프라인]], [[GPU 메모리 및 텍스처 압축]] -- **Contradictions/Notes:** 소스에 따르면 단일 텍스처 아틀라스 기법은 밉맵의 낮은 레벨(low mip levels)에서 텍스처 혼합 현상(블리딩)이라는 단점을 수반하지만 [3], 배열 텍스처(Array Textures) 기법을 사용하면 이러한 Mipmap 간섭 현상을 완전히 배제하고 네이티브 랩핑(wrapping)과 타일링(tiling)을 지원할 수 있습니다 [5]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/Mipmap.md]] ---- diff --git a/AI/Mobile-App-Development.md b/AI/Mobile-App-Development.md deleted file mode 100644 index 13bbe0ae..00000000 --- a/AI/Mobile-App-Development.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-C0F26C -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Mobile-App-Development" ---- - -# [[Mobile-App-Development]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Mobile-App-Development.md]] ---- diff --git a/AI/Model Collapse (모델 붕괴 현상).md b/AI/Model Collapse (모델 붕괴 현상).md deleted file mode 100644 index b31ce0d1..00000000 --- a/AI/Model Collapse (모델 붕괴 현상).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-F2D3E0 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Model Collapse (모델 붕괴 현상)" ---- - -# [[Model Collapse (모델 붕괴 현상)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Model Collapse (모델 붕괴 현상).md]] ---- diff --git a/AI/Model Context Protocol (MCP).md b/AI/Model Context Protocol (MCP).md deleted file mode 100644 index 77120f81..00000000 --- a/AI/Model Context Protocol (MCP).md +++ /dev/null @@ -1,32 +0,0 @@ ---- -id: P-REINFORCE-AUTO-C8F96B -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Model Context Protocol (MCP)" ---- - -# [[Model Context Protocol (MCP)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> Model Context Protocol (MCP)은 Cursor, Claude Code, Windsurf, GitHub Copilot 등과 같은 AI 코딩 어시스턴트(AI 에이전트)를 분석 엔진과 직접 연결할 수 있도록 지원하는 프로토콜입니다 [1, 2]. 이 프로토콜을 통해 AI는 대화형 워크플로우 내에서 실시간으로 쿼리를 보내고 통제된 피드백을 받을 수 있습니다 [1, 3]. 결과적으로 AI를 활용한 생산성과 코드 품질 및 보안 사이의 간격을 메워주는 특수한 브릿지 역할을 수행합니다 [2, 4]. - -## 📖 구조화된 지식 (Synthesized Content) -- **AI 에이전트와의 직접 통합**: MCP는 SonarQube MCP 서버와 같은 분석 도구를 Cursor, Claude Code, Windsurf 등의 AI 코딩 에이전트에 직접 연결하는 표준 방식을 제공합니다 [1]. -- **실시간 쿼리 및 분석 수행**: AI 어시스턴트는 MCP를 활용해 신뢰할 수 있는 분석 엔진과 실시간으로 상호작용합니다 [2, 3]. 이를 통해 AI는 코드 스니펫을 분석하고, Quality Gate 상태를 확인하며, 보안 핫스팟(Security Hotspots)을 즉각적으로 찾아낼 수 있습니다 [4]. -- **사전 코드 검토 및 워크플로우 최적화**: MCP를 통한 통합은 AI가 코드를 생성하는 과정에서 실시간으로 검토 및 개선이 이루어지도록 보장합니다 [3]. 이는 코드가 풀 리퀘스트(Pull Request) 단계에 도달하기 훨씬 전부터 작동하므로, 에이전틱(Agentic) 워크플로우를 최적화하고 안전한 코드 전달을 가능하게 합니다 [3]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[AI Agents]], [[Static Code Analysis]], [[Automated Code Review]] -- **Projects/Contexts:** [[SonarQube MCP Server]], [[Cursor]], [[Claude Code]], [[Windsurf]], [[GitHub Copilot]] -- **Contradictions/Notes:** 소스에 관련 정보가 부족합니다. (제공된 소스에서는 주로 SonarQube 환경에서의 통합 사례를 통해서만 MCP가 설명되고 있으며, 프로토콜 자체의 심층적인 기술적 사양이나 다른 활용 사례에 대한 정보는 없습니다.) - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/Model Context Protocol (MCP).md]] ---- diff --git a/AI/Model Predictive Control (MPC).md b/AI/Model Predictive Control (MPC).md deleted file mode 100644 index 531fd7be..00000000 --- a/AI/Model Predictive Control (MPC).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-212A93 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Model Predictive Control (MPC)" ---- - -# [[Model Predictive Control (MPC)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Model Predictive Control (MPC).md]] ---- diff --git a/AI/Model Spec (모델 스펙 AI 행동 명세서).md b/AI/Model Spec (모델 스펙 AI 행동 명세서).md deleted file mode 100644 index af612110..00000000 --- a/AI/Model Spec (모델 스펙 AI 행동 명세서).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-73F6B2 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Model Spec (모델 스펙 AI 행동 명세서)" ---- - -# [[Model Spec (모델 스펙 AI 행동 명세서)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Model Spec (모델 스펙, AI 행동 명세서).md]] ---- diff --git a/AI/Module Augmentation.md b/AI/Module Augmentation.md deleted file mode 100644 index 17a0440f..00000000 --- a/AI/Module Augmentation.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-43A3F8 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Module Augmentation" ---- - -# [[Module Augmentation]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Module Augmentation.md]] ---- diff --git a/AI/Module-Augmentation.md b/AI/Module-Augmentation.md deleted file mode 100644 index 26baad29..00000000 --- a/AI/Module-Augmentation.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-C5A5E7 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Module-Augmentation" ---- - -# [[Module-Augmentation]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Module-Augmentation.md]] ---- diff --git a/AI/Module-Boundary-Enforcement.md b/AI/Module-Boundary-Enforcement.md deleted file mode 100644 index 1102bc0b..00000000 --- a/AI/Module-Boundary-Enforcement.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-32A387 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Module-Boundary-Enforcement" ---- - -# [[Module-Boundary-Enforcement]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Module-Boundary-Enforcement.md]] ---- diff --git a/AI/Monetary Policy in Virtual Worlds.md b/AI/Monetary Policy in Virtual Worlds.md deleted file mode 100644 index 78ac73fd..00000000 --- a/AI/Monetary Policy in Virtual Worlds.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-26E3C1 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Monetary Policy in Virtual Worlds" ---- - -# [[Monetary Policy in Virtual Worlds]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Monetary Policy in Virtual Worlds.md]] ---- diff --git a/AI/Monetary Policy.md b/AI/Monetary Policy.md deleted file mode 100644 index 4cec84e4..00000000 --- a/AI/Monetary Policy.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-97D263 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Monetary Policy" ---- - -# [[Monetary Policy]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Monetary Policy.md]] ---- diff --git a/AI/Monosemanticity (일의성).md b/AI/Monosemanticity (일의성).md deleted file mode 100644 index c55e10a6..00000000 --- a/AI/Monosemanticity (일의성).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-5B0FC9 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Monosemanticity (일의성)" ---- - -# [[Monosemanticity (일의성)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Monosemanticity (일의성).md]] ---- diff --git a/AI/Multi-Agent Debate (에이전트 간 토론 전략).md b/AI/Multi-Agent Debate (에이전트 간 토론 전략).md deleted file mode 100644 index 89f47783..00000000 --- a/AI/Multi-Agent Debate (에이전트 간 토론 전략).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-A5AF0B -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Multi-Agent Debate (에이전트 간 토론 전략)" ---- - -# [[Multi-Agent Debate (에이전트 간 토론 전략)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Multi-Agent Debate (에이전트 간 토론 전략).md]] ---- diff --git a/AI/Multi-Agent System (다중 에이전트 시스템).md b/AI/Multi-Agent System (다중 에이전트 시스템).md deleted file mode 100644 index c6b0063f..00000000 --- a/AI/Multi-Agent System (다중 에이전트 시스템).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-51D384 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Multi-Agent System (다중 에이전트 시스템)" ---- - -# [[Multi-Agent System (다중 에이전트 시스템)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Multi-Agent System (다중 에이전트 시스템).md]] ---- diff --git a/AI/Multi-Hop Reasoning (다중 홉 추론).md b/AI/Multi-Hop Reasoning (다중 홉 추론).md deleted file mode 100644 index 76c72a08..00000000 --- a/AI/Multi-Hop Reasoning (다중 홉 추론).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-411F75 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Multi-Hop Reasoning (다중 홉 추론)" ---- - -# [[Multi-Hop Reasoning (다중 홉 추론)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Multi-Hop Reasoning (다중 홉 추론).md]] ---- diff --git a/AI/Multimodal Sentiment Analysis.md b/AI/Multimodal Sentiment Analysis.md deleted file mode 100644 index 290bf024..00000000 --- a/AI/Multimodal Sentiment Analysis.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-DF5F90 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Multimodal Sentiment Analysis" ---- - -# [[Multimodal Sentiment Analysis]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Multimodal Sentiment Analysis.md]] ---- diff --git a/AI/Natural Language Processing (NLP) in Narrative.md b/AI/Natural Language Processing (NLP) in Narrative.md deleted file mode 100644 index 3f8d1dbb..00000000 --- a/AI/Natural Language Processing (NLP) in Narrative.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-B5A38A -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Natural Language Processing (NLP) in Narrative" ---- - -# [[Natural Language Processing (NLP) in Narrative]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Natural Language Processing (NLP) in Narrative.md]] ---- diff --git a/AI/Natural-Language-Processing.md b/AI/Natural-Language-Processing.md deleted file mode 100644 index f5885d01..00000000 --- a/AI/Natural-Language-Processing.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-92B46C -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Natural-Language-Processing" ---- - -# [[Natural-Language-Processing]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Natural-Language-Processing.md]] ---- diff --git a/AI/Naughty Dog Development.md b/AI/Naughty Dog Development.md deleted file mode 100644 index e4c74ae4..00000000 --- a/AI/Naughty Dog Development.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-45FC87 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Naughty Dog Development" ---- - -# [[Naughty Dog Development]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Naughty Dog Development.md]] ---- diff --git a/AI/NestJS-Architecture.md b/AI/NestJS-Architecture.md deleted file mode 100644 index 0b9a5e82..00000000 --- a/AI/NestJS-Architecture.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-641044 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - NestJS-Architecture" ---- - -# [[NestJS-Architecture]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/NestJS-Architecture.md]] ---- diff --git a/AI/Network Synchronization in Multiplayer Games.md b/AI/Network Synchronization in Multiplayer Games.md deleted file mode 100644 index d21533ab..00000000 --- a/AI/Network Synchronization in Multiplayer Games.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-DDB7C3 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Network Synchronization in Multiplayer Games" ---- - -# [[Network Synchronization in Multiplayer Games]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Network Synchronization in Multiplayer Games.md]] ---- diff --git a/AI/Neural-Symbolic-Integration.md b/AI/Neural-Symbolic-Integration.md deleted file mode 100644 index b31e6e8c..00000000 --- a/AI/Neural-Symbolic-Integration.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-86032B -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Neural-Symbolic-Integration" ---- - -# [[Neural-Symbolic-Integration]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Neural-Symbolic-Integration.md]] ---- diff --git a/AI/Neuro-Symbolic-AI.md b/AI/Neuro-Symbolic-AI.md deleted file mode 100644 index f9f71017..00000000 --- a/AI/Neuro-Symbolic-AI.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-3BA811 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Neuro-Symbolic-AI" ---- - -# [[Neuro-Symbolic-AI]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Neuro-Symbolic-AI.md]] ---- diff --git a/AI/Neurobiology-of-Reward.md b/AI/Neurobiology-of-Reward.md deleted file mode 100644 index 682ec0b7..00000000 --- a/AI/Neurobiology-of-Reward.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-C81C25 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Neurobiology-of-Reward" ---- - -# [[Neurobiology-of-Reward]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Neurobiology-of-Reward.md]] ---- diff --git a/AI/Neurodevelopmental Disorders.md b/AI/Neurodevelopmental Disorders.md deleted file mode 100644 index c8416f7f..00000000 --- a/AI/Neurodevelopmental Disorders.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-8D1E77 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Neurodevelopmental Disorders" ---- - -# [[Neurodevelopmental Disorders]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Neurodevelopmental Disorders.md]] ---- diff --git a/AI/Neuroeconomics.md b/AI/Neuroeconomics.md deleted file mode 100644 index b0c4ef99..00000000 --- a/AI/Neuroeconomics.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-9E20C8 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Neuroeconomics" ---- - -# [[Neuroeconomics]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Neuroeconomics.md]] ---- diff --git a/AI/Neuroergonomics.md b/AI/Neuroergonomics.md deleted file mode 100644 index 8bea9aee..00000000 --- a/AI/Neuroergonomics.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-FA4D6C -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Neuroergonomics" ---- - -# [[Neuroergonomics]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Neuroergonomics.md]] ---- diff --git a/AI/Neuromuscular-Adaptation.md b/AI/Neuromuscular-Adaptation.md deleted file mode 100644 index b31689d1..00000000 --- a/AI/Neuromuscular-Adaptation.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-6E8355 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Neuromuscular-Adaptation" ---- - -# [[Neuromuscular-Adaptation]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Neuromuscular-Adaptation.md]] ---- diff --git a/AI/Neuromuscular-Control.md b/AI/Neuromuscular-Control.md deleted file mode 100644 index 958cac14..00000000 --- a/AI/Neuromuscular-Control.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-AAABCA -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Neuromuscular-Control" ---- - -# [[Neuromuscular-Control]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Neuromuscular-Control.md]] ---- diff --git a/AI/Neuropharmacology of Substance Use Disorders.md b/AI/Neuropharmacology of Substance Use Disorders.md deleted file mode 100644 index 1f0142ac..00000000 --- a/AI/Neuropharmacology of Substance Use Disorders.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-8A9F4F -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Neuropharmacology of Substance Use Disorders" ---- - -# [[Neuropharmacology of Substance Use Disorders]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Neuropharmacology of Substance Use Disorders.md]] ---- diff --git a/AI/Neuroplasticity in Addiction.md b/AI/Neuroplasticity in Addiction.md deleted file mode 100644 index b8df4c3d..00000000 --- a/AI/Neuroplasticity in Addiction.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-623B58 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Neuroplasticity in Addiction" ---- - -# [[Neuroplasticity in Addiction]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Neuroplasticity in Addiction.md]] ---- diff --git a/AI/Neuroplasticity in Motor Learning.md b/AI/Neuroplasticity in Motor Learning.md deleted file mode 100644 index a51d5a4b..00000000 --- a/AI/Neuroplasticity in Motor Learning.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-C1E899 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Neuroplasticity in Motor Learning" ---- - -# [[Neuroplasticity in Motor Learning]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Neuroplasticity in Motor Learning.md]] ---- diff --git a/AI/Neuroplasticity-in-Motor-Learning.md b/AI/Neuroplasticity-in-Motor-Learning.md deleted file mode 100644 index 1e853588..00000000 --- a/AI/Neuroplasticity-in-Motor-Learning.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-AA0D20 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Neuroplasticity-in-Motor-Learning" ---- - -# [[Neuroplasticity-in-Motor-Learning]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Neuroplasticity-in-Motor-Learning.md]] ---- diff --git a/AI/Neuroprosthetics-Development.md b/AI/Neuroprosthetics-Development.md deleted file mode 100644 index 2c362e8a..00000000 --- a/AI/Neuroprosthetics-Development.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-F99D73 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Neuroprosthetics-Development" ---- - -# [[Neuroprosthetics-Development]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Neuroprosthetics-Development.md]] ---- diff --git a/AI/Neuropsychiatric Disorders.md b/AI/Neuropsychiatric Disorders.md deleted file mode 100644 index b7ac7c1c..00000000 --- a/AI/Neuropsychiatric Disorders.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-57B916 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Neuropsychiatric Disorders" ---- - -# [[Neuropsychiatric Disorders]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Neuropsychiatric Disorders.md]] ---- diff --git a/AI/Neuropsychology.md b/AI/Neuropsychology.md deleted file mode 100644 index 128dae8e..00000000 --- a/AI/Neuropsychology.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-A63619 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Neuropsychology" ---- - -# [[Neuropsychology]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Neuropsychology.md]] ---- diff --git a/AI/Neurorehabilitation after Stroke.md b/AI/Neurorehabilitation after Stroke.md deleted file mode 100644 index f18910a9..00000000 --- a/AI/Neurorehabilitation after Stroke.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-EB034B -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Neurorehabilitation after Stroke" ---- - -# [[Neurorehabilitation after Stroke]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Neurorehabilitation after Stroke.md]] ---- diff --git a/AI/Neurorehabilitation-Post-Stroke.md b/AI/Neurorehabilitation-Post-Stroke.md deleted file mode 100644 index 944b5277..00000000 --- a/AI/Neurorehabilitation-Post-Stroke.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-DBB9EB -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Neurorehabilitation-Post-Stroke" ---- - -# [[Neurorehabilitation-Post-Stroke]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Neurorehabilitation-Post-Stroke.md]] ---- diff --git a/AI/No Mans Sky (Large-scale planetary generation).md b/AI/No Mans Sky (Large-scale planetary generation).md deleted file mode 100644 index 91e0bf20..00000000 --- a/AI/No Mans Sky (Large-scale planetary generation).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-3EC0AE -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - No Mans Sky (Large-scale planetary generation)" ---- - -# [[No Mans Sky (Large-scale planetary generation)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/No Man's Sky (Large-scale planetary generation).md]] ---- diff --git a/AI/No Mans Sky.md b/AI/No Mans Sky.md deleted file mode 100644 index e7c2967e..00000000 --- a/AI/No Mans Sky.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-D9AC35 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - No Mans Sky" ---- - -# [[No Mans Sky]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/No Man's Sky.md]] ---- diff --git a/AI/Nodejs 메모리 누수 분석.md b/AI/Nodejs 메모리 누수 분석.md deleted file mode 100644 index c0aadc5c..00000000 --- a/AI/Nodejs 메모리 누수 분석.md +++ /dev/null @@ -1,41 +0,0 @@ ---- -id: P-REINFORCE-AUTO-92E707 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Nodejs 메모리 누수 분석" ---- - -# [[Nodejs 메모리 누수 분석]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> Node.js의 메모리 누수는 가비지 컬렉션(GC)되어야 할 객체들이 클로저, 이벤트 리스너, 타이머 등의 루트(Root) 객체에 계속 참조되어 메모리에서 해제되지 않을 때 발생합니다 [1, 2]. Node.js는 단일 프로세스로 장기간 실행되는 특성이 있어, 누수된 참조는 모든 요청에 걸쳐 지속적으로 축적되며 결국 V8 힙 한계에 도달하여 OOM(Out-Of-Memory) 크래시를 유발합니다 [3, 4]. 이 문제를 해결하기 위해서는 힙 스냅샷과 메모리 할당 타임라인 도구를 활용하여, 지속적으로 증가하는 객체의 참조 경로(Retaining Path)를 추적하고 참조를 끊어 GC가 정상 작동하도록 근본적인 원인을 수정해야 합니다 [5-7]. - -## 📖 구조화된 지식 (Synthesized Content) -* **메모리 누수 패턴 및 주요 원인** - * 정상적인 Node.js 프로세스는 트래픽 발생 시 힙 메모리가 증가하고 가비지 컬렉션(GC) 이후 원래 수준으로 회복되는 톱니바퀴(Sawtooth) 패턴을 보입니다 [8]. 그러나 누수가 발생하면 GC가 동작한 후에도 메모리가 떨어지지 않고 지속적으로 상승하는 래칫(Ratchet) 패턴이 나타납니다 [7, 8]. - * 프로덕션 환경에서 가장 흔히 발생하는 7가지 누수 패턴은 다음과 같습니다: EventEmitter 리스너 누적(가장 흔함), 클로저(Closure) 변수의 의도치 않은 상태 유지, 제한 없이 증가하는 인메모리 캐시, 정리되지 않은 타이머(Timer) 및 인터벌, 복잡한 순환 참조, 닫히지 않은 스트림(Stream) 및 소켓, 그리고 AsyncLocalStorage 컨텍스트 누수입니다 [9-12]. - -* **탐지 및 분석 도구** - * **힙 스냅샷(Heap Snapshots):** 의심스러운 작업을 수행하기 전(Baseline)과 부하 발생 후를 나누어 스냅샷을 촬영하고, 이 두 스냅샷 사이에서 할당된 후 해제되지 않은 객체들("Objects allocated between snapshots")을 비교하여 누수 후보를 도출합니다 [6, 13]. 브라우저나 프론트엔드 앱 분석 시 일회성 할당에 의한 오탐지를 필터링하기 위해 스냅샷을 3번 캡처하여 비교하는 3-스냅샷 기법(Three-snapshot technique)이 신뢰성이 높습니다 [14]. - * **할당 타임라인(Allocation Timeline):** Chrome DevTools를 `--inspect` 플래그와 함께 연결하여 시간에 따른 메모리 할당 기록을 수집합니다 [5, 8]. GC 이후에도 회수되지 않아 파란색 막대로 남은 객체들을 통해 어떤 함수나 생성자가 누수를 유발하는지 추적할 수 있습니다 [8, 15-17]. - * **프로그램 및 패키지 기반 모니터링:** `process.memoryUsage()`를 이용해 RSS(Resident Set Size) 및 `heapUsed` 값의 지속적 증가를 확인하거나 [18, 19], `heapdump`, `clinic.js` 등의 도구를 사용해 자동화된 분석으로 메모리 누수 발생 위치를 식별할 수 있습니다 [5, 9]. - -* **진단 로깅 및 GC 튜닝** - * `--trace-gc` 플래그를 적용하면 콘솔에 V8 엔진의 GC 이벤트(Scavenge 및 Mark-sweep) 발생 시간, 빈도, 회수된 메모리양 등이 기록되어 애플리케이션의 메모리 부족 현상과 누수를 파악할 수 있습니다 [20-23]. - * 만약 V8의 힙 영역 중 장기 생존 객체가 저장되는 공간에 큰 메모리가 필요하다면, `--max-old-space-size` 명령줄 플래그로 Old Space 크기를 늘려 애플리케이션 충돌과 과도한 GC 지연을 방지할 수 있습니다 [24]. 반대로, 짧은 주기의 객체 생성이 많은 경우에는 `--max-semi-space-size` 플래그로 New Space를 늘려 마이너 GC 주기를 조절할 수 있습니다 [25]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[가비지 컬렉션 (Garbage Collection)]], [[V8 엔진 (V8 Engine)]], [[힙 스냅샷 (Heap Snapshots)]], [[Mark-Sweep]] -- **Projects/Contexts:** [[Chrome DevTools]], [[clinic.js]], [[Node.js Production Monitoring]] -- **Contradictions/Notes:** 소스에 따르면 모던 프론트엔드 환경의 브라우저에서는 메모리 누수의 가장 주요한 원인(1위)으로 SPA(Single Page Application) 경로 전환을 꼽고 있지만 [26], Node.js 프로덕션 서버 환경에서는 EventEmitter 리스너 누적이 가장 흔한 메모리 누수 패턴으로 언급되는 차이가 있습니다 [9]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/Node.js 메모리 누수 분석.md]] ---- diff --git a/AI/Nodejs 프로덕션 메모리 누수 진단.md b/AI/Nodejs 프로덕션 메모리 누수 진단.md deleted file mode 100644 index d1e15e6f..00000000 --- a/AI/Nodejs 프로덕션 메모리 누수 진단.md +++ /dev/null @@ -1,50 +0,0 @@ ---- -id: P-REINFORCE-AUTO-AF2866 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Nodejs 프로덕션 메모리 누수 진단" ---- - -# [[Nodejs 프로덕션 메모리 누수 진단]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> Node.js 프로덕션 메모리 누수는 단일 프로세스로 장기 실행되는 Node.js의 특성상 참조가 누적되어 V8 가비지 컬렉터(GC)가 메모리를 회수할 수 없게 되면서 발생합니다 [1, 2]. 정상적인 프로세스와 달리 가비지 컬렉션 이후에도 힙 메모리 사용량이 원래 수준으로 떨어지지 않고 계단식(Ratchet)으로 상승하는 패턴을 보이는 것이 주된 특징입니다 [3, 4]. 이를 진단하고 해결하려면 힙 스냅샷 비교, 힙 프로파일링, 메모리를 계속 참조하고 있는 요인(Retainer)을 추적하는 체계적인 과정이 필수적입니다 [4, 5]. - -## 📖 구조화된 지식 (Synthesized Content) -**누수의 원리와 증상 (Principles and Symptoms)** -- Node.js 메모리 누수는 객체가 "유실"되는 것이 아니라 코드 어딘가에서 계속 참조되고 있어 GC가 도달할 수 없는 객체로 식별하지 못해 발생합니다 [2, 6]. -- 정상적인 프로세스는 트래픽 발생 시 힙이 증가하고 GC 이후 기준선으로 떨어지는 '톱니바퀴(Sawtooth)' 패턴을 보이지만, 누수가 발생하면 GC 후에도 힙 사용량이 떨어지지 않는 '계단식(Ratchet)' 패턴을 나타냅니다 [3, 4]. -- 주요 증상으로는 점진적인 메모리 증가, 잦고 긴 GC 일시 정지 시간, 응답 시간 저하, 그리고 궁극적으로 OOM(Out of Memory) 충돌 현상이 있습니다 [7]. - -**핵심 진단 도구 (Core Diagnostic Tools)** -- **`--inspect` 및 Chrome DevTools:** 서버를 `--inspect` 플래그로 실행하여 Chrome에 연결한 후, 메모리 패널에서 힙 스냅샷을 캡처해 스냅샷 사이에 할당된 객체를 비교 분석할 수 있습니다 [3, 8, 9]. -- **`heapdump`:** 프로덕션 환경(Chrome DevTools 접근이 어려운 경우)에서 프로그래밍 방식으로 힙 스냅샷을 기록하여 로컬로 다운로드 및 분석할 수 있게 돕습니다 [8, 10, 11]. -- **`--heap-prof` 플래그:** 외부 패키지 없이 Node.js 자체에 내장된 V8 네이티브 프로파일링을 활성화하여 함수 수준의 할당 세부 내역을 파악할 수 있습니다 [12]. -- **`process.memoryUsage()`:** RSS(Resident Set Size), heapTotal, heapUsed 값을 지속적으로 확인하여 프로그래밍 방식으로 힙의 점진적인 증가 여부를 감시할 수 있습니다 [13, 14]. - -**일반적인 누수 발생 패턴 (Common Leak Patterns)** -- **이벤트 리스너 누적 (EventEmitter Listener Accumulation):** 요청 핸들러 내에서 리스너를 추가하고 제거하지 않으면 참조가 계속 누적되며, 프로덕션 환경에서는 보통 `MaxListenersExceededWarning` 경고가 명확한 누수 신호로 간주됩니다 [5, 11, 15]. -- **클로저 변수 유지 (Closure Variable Retention):** 비동기 체인이나 타이머 콜백 등에서 대규모 데이터(예: 전체 요청/응답 객체)를 캡처하는 클로저를 사용하여 객체 수명이 불필요하게 늘어나는 경우입니다 [15-17]. -- **무제한 캐시 증가 (Unbounded Cache Growth):** 최대 크기나 제한을 두지 않은 인메모리 캐시 변수에 객체가 무한정 쌓이는 패턴입니다 [15]. -- **타이머/관찰자 및 소켓 누수:** `clearInterval` 처리되지 않은 `setInterval` 콜백이나, 데이터 송수신 후 닫히지 않은 스트림/소켓이 버퍼와 네트워크 핸들을 점유하여 메모리를 해제하지 못하게 만듭니다 [17, 18]. - -**진단 및 해결 워크플로우 (Diagnosis & Fix Workflow)** -- 모니터링을 통해 메모리의 계단식 증가 패턴(Ratchet)을 확인한 뒤 베이스라인 힙 스냅샷을 캡처합니다 [4]. -- 트래픽 부하를 유발하는 행동을 실행한 후 두 번째 스냅샷을 캡처하고 두 스냅샷을 비교합니다 [4, 19]. -- 비교 결과에서 유출된 객체를 찾은 후, 해당 객체를 유지하고 있는 리테이너(Retainer) 트리를 GC 루트까지 따라가 코드를 수정하고, 수정을 확인하기 위해 테스트를 반복합니다 [4, 20]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[V8 Garbage Collection]], [[Heap Snapshot]], [[Retaining Path]], [[process.memoryUsage()]] -- **Projects/Contexts:** [[Node.js Production Environment]], [[Chrome DevTools Memory Panel]] -- **Contradictions/Notes:** 일반적으로 누수 후보를 찾기 위해 트래픽 전/후 두 개의 힙 스냅샷을 비교하는 방법이 자주 소개되지만, 일회성 메모리 할당으로 인한 오탐(False Positive)을 걸러내기 위해서는 세 개의 스냅샷을 연달아 캡처해 비교하는 "Three-snapshot technique" 기법이 가장 신뢰할 수 있는 수단이라는 점을 유의해야 합니다 [19]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/Node.js 프로덕션 메모리 누수 진단.md]] ---- diff --git a/AI/Nodejs 프로덕션 메모리 문제 해결.md b/AI/Nodejs 프로덕션 메모리 문제 해결.md deleted file mode 100644 index 0a63f4bd..00000000 --- a/AI/Nodejs 프로덕션 메모리 문제 해결.md +++ /dev/null @@ -1,30 +0,0 @@ ---- -id: P-REINFORCE-AUTO-490C25 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Nodejs 프로덕션 메모리 문제 해결" ---- - -# [[Nodejs 프로덕션 메모리 문제 해결]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> Node.js는 단일 프로세스로 장기간 실행되는 런타임이므로, 코드 내에서 참조가 제대로 해제되지 않은 객체가 누적되면 V8 힙(Heap) 메모리가 점진적으로 고갈되어 궁극적으로 OOM(Out of Memory) 크래시가 발생할 수 있습니다 [1-3]. 프로덕션 환경에서의 메모리 문제 해결은 정상적인 가비지 컬렉션(GC) 패턴과 누수 패턴을 구분하고, 타임라인 및 힙 스냅샷 분석을 통해 누수 객체의 보존 경로(Retaining Path)를 추적하여 근본 원인을 찾아 수정하는 체계적인 과정을 의미합니다 [4-8]. - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[Garbage Collection (V8)]], [[Heap Snapshot]], [[Memory Leak Patterns]], [[Orinoco Garbage Collector]] -- **Projects/Contexts:** [[Chrome DevTools Memory Panel]], [[Node.js Production Monitoring]] -- **Contradictions/Notes:** 가비지 컬렉션(GC)은 애플리케이션의 힙 메모리를 정리해주지만, 메인 스레드 실행을 멈추는 'stop-the-world' 특성을 지닙니다. V8은 Orinoco 프로젝트를 통해 병렬(Parallel), 점진적(Incremental), 동시적(Concurrent) 처리 기법을 도입하여 지연(Pause) 시간을 최소화했지만 [28-32], 개발자가 `--expose-gc`를 활성화하여 `global.gc()`를 수동으로 강제 호출하는 것은 시스템 성능을 악화시킬 수 있으므로 매우 주의해서 사용해야 한다고 경고하고 있습니다 [33, 34]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/Node.js 프로덕션 메모리 문제 해결.md]] ---- diff --git a/AI/Nodejs 프로덕션 메모리 병목 분석.md b/AI/Nodejs 프로덕션 메모리 병목 분석.md deleted file mode 100644 index a82f2a42..00000000 --- a/AI/Nodejs 프로덕션 메모리 병목 분석.md +++ /dev/null @@ -1,53 +0,0 @@ ---- -id: P-REINFORCE-AUTO-76BE33 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Nodejs 프로덕션 메모리 병목 분석" ---- - -# [[Nodejs 프로덕션 메모리 병목 분석]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> Node.js는 단일 프로세스로 장기간 실행되는 특성이 있어, 더 이상 필요하지 않은 객체의 참조가 유지될 경우 V8 힙(Heap) 메모리가 해제되지 않고 지속적으로 누적되는 메모리 누수 현상이 발생할 수 있습니다 [1, 2]. 프로덕션 환경에서 이러한 누수는 가비지 컬렉션(GC)의 오버헤드를 늘려 애플리케이션의 응답 지연이나 OOM(Out of Memory) 크래시 같은 심각한 병목 현상을 유발합니다 [3]. 이를 분석하고 해결하기 위해 개발자는 `--trace-gc` 같은 실행 플래그, `heapdump`를 통한 힙 스냅샷(Heap Snapshot) 획득, 그리고 크롬 개발자 도구(Chrome DevTools) 등을 활용하여 지속적으로 증가하는 객체와 이를 잡아두는 유지 경로(Retaining Path)를 추적해야 합니다 [4-6]. - -## 📖 구조화된 지식 (Synthesized Content) -* **V8 메모리 구조와 가비지 컬렉션(GC) 메커니즘** - Node.js의 기반인 V8 엔진은 동적 데이터를 **힙(Heap) 공간**에 할당하며, 대부분의 객체는 짧은 수명을 가진다는 '세대별 가설(Generational Hypothesis)'을 기반으로 설계되었습니다 [7-9]. - * **New Space (Young Generation):** 새롭게 생성된 객체가 할당되는 공간으로, 꽉 차면 빠르게 작동하는 **스캐빈지(Scavenge, Minor GC)** 알고리즘이 발생해 불필요한 객체를 정리하고 살아남은 객체를 옮깁니다 [10-13]. - * **Old Space:** 스캐빈지 과정을 여러 번 통과한 수명이 긴 객체들이 승격(Promotion)되어 머무는 공간입니다 [9, 10, 14]. 이곳은 **Mark-Sweep-Compact (Major GC)** 알고리즘이 작동하며 메모리 파편화를 줄이고 남은 공간을 확보하지만, 스캐빈지에 비해 실행 비용(오버헤드)이 큽니다 [15, 16]. - -* **메모리 병목 및 누수의 주요 증상과 패턴** - 건강한 프로세스는 GC가 일어날 때마다 메모리 사용량이 다시 줄어드는 **톱니바퀴(Sawtooth)** 패턴을 보이지만, 메모리 누수가 발생하면 할당량이 줄어들지 않고 계속 증가하는 **라쳇(Ratchet)** 패턴이 관찰됩니다 [4]. Node.js 환경에서 주로 발생하는 **7가지 주요 누수 패턴**은 다음과 같습니다 [17-19]: - 1. **EventEmitter 리스너 누적:** 이벤트 리스너를 계속 추가만 하고 제거하지 않아 발생하는 가장 흔한 누수로, `MaxListenersExceededWarning`이 발생하면 의심해야 합니다 [17, 18]. - 2. **클로저(Closure) 변수 유지:** 요청/응답 객체 등 거대한 변수가 클로저에 의해 캡처된 상태로 요청 수명주기 이후에도 남아있는 경우입니다 [18]. - 3. **무제한 캐시 증식:** LRU와 같은 크기 제한 로직이 없는 인메모리 캐시를 사용할 때 발생합니다 [18]. - 4. **타이머 누수:** `clearInterval` 처리 없이 `setInterval`이 계속 실행되며 클로저 내부 객체의 GC를 방해합니다 [19]. - 5. **복잡한 순환 참조:** C++ 네이티브 바인딩 또는 잘못 사용된 `WeakRef`와 결합한 복잡한 순환 참조가 GC를 방해할 수 있습니다 [19]. - 6. **종료되지 않은 스트림/소켓:** `.destroy()` 처리되지 않은 스트림이 버퍼와 네트워크 핸들을 점유합니다 [19]. - 7. **`AsyncLocalStorage` 컨텍스트 누수:** 저장소가 적절한 클린업 없이 과도하게 커지는 경우입니다 [19]. - -* **프로덕션 메모리 병목 진단 및 프로파일링 도구** - * **`process.memoryUsage()` 모니터링:** `rss`(상주 집합 크기), `heapTotal`, `heapUsed` 메트릭을 추적하여 힙 사용량이 지속해서 증가하는지 감시할 수 있습니다 [20, 21]. - * **GC 로그 추적 (`--trace-gc`):** 이 플래그를 활성화하면 Scavenge와 Mark-Sweep 이벤트의 발생 빈도와 소요 시간, 회수된 메모리양을 확인할 수 있습니다 [22, 23]. 두 GC 사이의 간격보다 GC 처리에 걸리는 시간이 더 크다면 심각한 메모리 병목을 겪고 있는 것입니다 [24]. - * **힙 스냅샷(Heap Snapshot) 분석:** 운영 서버에서는 `heapdump` 패키지 등으로 스냅샷을 생성하거나 로드 테스트 시 `--inspect` 플래그를 사용해 **크롬 개발자 도구(Chrome DevTools)**와 연결할 수 있습니다 [4, 5, 17]. 개발자 도구의 '할당 타임라인(Allocation timeline)'을 통해 GC 후에도 남아있는 파란색 막대를 찾고, 스냅샷 비교(Comparison view) 기능을 사용하여 누수된 객체와 해당 객체가 참조를 유지하고 있는 경로(Retainers tree)를 짚어낼 수 있습니다 [25-30]. - -* **메모리 튜닝 플래그** - 메모리 누수 자체의 해결책은 아니지만, 프로세스 특성에 맞춰 V8 엔진의 메모리 한도를 조정함으로써 병목을 완화할 수 있습니다 [31]. - * `--max-old-space-size`: 롱 폴링이나 캐시 등 영구적인 데이터가 많은 앱에서 Old Space의 크기 제한(기본 제약)을 늘릴 때 사용합니다 [31]. - * `--max-semi-space-size`: 초당 요청 수가 많아 수명이 짧은 임시 객체가 대량 생성되는 환경에서 New Space의 크기를 늘려 잦은 Minor GC 실행을 줄입니다 [32, 33]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[V8 가비지 컬렉션 (Garbage Collection)]], [[힙 스냅샷 (Heap Snapshot)]], [[메모리 누수 (Memory Leaks)]] -- **Projects/Contexts:** [[Chrome DevTools (크롬 개발자 도구)]], [[Node.js 모니터링 및 튜닝]] -- **Contradictions/Notes:** 애플리케이션 내에서 수동으로 GC를 제어하기 위해 `--expose-gc` 플래그를 켜고 `global.gc()`를 호출할 수 있지만, 이 기능은 V8의 자동 가비지 컬렉션을 비활성화하지는 않습니다. 오히려 수동 호출의 남용은 애플리케이션의 응답 속도 등 전체적인 성능에 부정적인 영향을 미칠 수 있으므로 주의해서 사용해야 한다고 소스는 경고합니다 [34, 35]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/Node.js 프로덕션 메모리 병목 분석.md]] ---- diff --git a/AI/Nodejs-Global-Namespace-Augmentation.md b/AI/Nodejs-Global-Namespace-Augmentation.md deleted file mode 100644 index d761ba5f..00000000 --- a/AI/Nodejs-Global-Namespace-Augmentation.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-D512F0 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Nodejs-Global-Namespace-Augmentation" ---- - -# [[Nodejs-Global-Namespace-Augmentation]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Node.js-Global-Namespace-Augmentation.md]] ---- diff --git a/AI/Nominal-Typing-in-TypeScript.md b/AI/Nominal-Typing-in-TypeScript.md deleted file mode 100644 index 723e9eae..00000000 --- a/AI/Nominal-Typing-in-TypeScript.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-C4D501 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Nominal-Typing-in-TypeScript" ---- - -# [[Nominal-Typing-in-TypeScript]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Nominal-Typing-in-TypeScript.md]] ---- diff --git a/AI/Non-Photorealistic-Rendering-in-Level-Design.md b/AI/Non-Photorealistic-Rendering-in-Level-Design.md deleted file mode 100644 index f61f750d..00000000 --- a/AI/Non-Photorealistic-Rendering-in-Level-Design.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-7D2198 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Non-Photorealistic-Rendering-in-Level-Design" ---- - -# [[Non-Photorealistic-Rendering-in-Level-Design]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Non-Photorealistic-Rendering-in-Level-Design.md]] ---- diff --git a/AI/Nuclear Deterrence Models.md b/AI/Nuclear Deterrence Models.md deleted file mode 100644 index e8e4ec47..00000000 --- a/AI/Nuclear Deterrence Models.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-D14EE1 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Nuclear Deterrence Models" ---- - -# [[Nuclear Deterrence Models]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Nuclear Deterrence Models.md]] ---- diff --git a/AI/Nutritional-Biochemistry.md b/AI/Nutritional-Biochemistry.md deleted file mode 100644 index 540161da..00000000 --- a/AI/Nutritional-Biochemistry.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-FFA78C -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Nutritional-Biochemistry" ---- - -# [[Nutritional-Biochemistry]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Nutritional-Biochemistry.md]] ---- diff --git a/AI/OWA vs CWA (개방 세계 vs 폐쇄 세계 가정).md b/AI/OWA vs CWA (개방 세계 vs 폐쇄 세계 가정).md deleted file mode 100644 index dd87be04..00000000 --- a/AI/OWA vs CWA (개방 세계 vs 폐쇄 세계 가정).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-BB45FB -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - OWA vs CWA (개방 세계 vs 폐쇄 세계 가정)" ---- - -# [[OWA vs CWA (개방 세계 vs 폐쇄 세계 가정)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/OWA vs CWA (개방 세계 vs 폐쇄 세계 가정).md]] ---- diff --git a/AI/Object Pooling (가비지 컬렉션 최적화).md b/AI/Object Pooling (가비지 컬렉션 최적화).md deleted file mode 100644 index 0e10309f..00000000 --- a/AI/Object Pooling (가비지 컬렉션 최적화).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-345FBB -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Object Pooling (가비지 컬렉션 최적화)" ---- - -# [[Object Pooling (가비지 컬렉션 최적화)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Object Pooling (가비지 컬렉션 최적화).md]] ---- diff --git a/AI/Object-Oriented-Design-Patterns.md b/AI/Object-Oriented-Design-Patterns.md deleted file mode 100644 index efa2a158..00000000 --- a/AI/Object-Oriented-Design-Patterns.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-A48A29 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Object-Oriented-Design-Patterns" ---- - -# [[Object-Oriented-Design-Patterns]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Object-Oriented-Design-Patterns.md]] ---- diff --git a/AI/Objectivism.md b/AI/Objectivism.md deleted file mode 100644 index c56cc9dd..00000000 --- a/AI/Objectivism.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-AAD455 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Objectivism" ---- - -# [[Objectivism]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Objectivism.md]] ---- diff --git a/AI/Occupational-Therapy.md b/AI/Occupational-Therapy.md deleted file mode 100644 index 7804468a..00000000 --- a/AI/Occupational-Therapy.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-5178EE -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Occupational-Therapy" ---- - -# [[Occupational-Therapy]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Occupational-Therapy.md]] ---- diff --git a/AI/Okami-Ink-Wash-Aesthetics.md b/AI/Okami-Ink-Wash-Aesthetics.md deleted file mode 100644 index b8d99039..00000000 --- a/AI/Okami-Ink-Wash-Aesthetics.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-442A85 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Okami-Ink-Wash-Aesthetics" ---- - -# [[Okami-Ink-Wash-Aesthetics]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Okami-Ink-Wash-Aesthetics.md]] ---- diff --git a/AI/Olympic-Training-Cycles.md b/AI/Olympic-Training-Cycles.md deleted file mode 100644 index 62fa65ee..00000000 --- a/AI/Olympic-Training-Cycles.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-0425FA -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Olympic-Training-Cycles" ---- - -# [[Olympic-Training-Cycles]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Olympic-Training-Cycles.md]] ---- diff --git a/AI/Olympic-Training-Models.md b/AI/Olympic-Training-Models.md deleted file mode 100644 index 104ad800..00000000 --- a/AI/Olympic-Training-Models.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-89D68B -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Olympic-Training-Models" ---- - -# [[Olympic-Training-Models]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Olympic-Training-Models.md]] ---- diff --git a/AI/Olympic-Training-Protocols.md b/AI/Olympic-Training-Protocols.md deleted file mode 100644 index 32faa7a0..00000000 --- a/AI/Olympic-Training-Protocols.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-553F3F -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Olympic-Training-Protocols" ---- - -# [[Olympic-Training-Protocols]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Olympic-Training-Protocols.md]] ---- diff --git a/AI/Ontology-Driven-Relevancy-Filtering.md b/AI/Ontology-Driven-Relevancy-Filtering.md deleted file mode 100644 index 8dda4c3d..00000000 --- a/AI/Ontology-Driven-Relevancy-Filtering.md +++ /dev/null @@ -1,35 +0,0 @@ ---- -id: P-REINFORCE-AUTO-9231E5 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Ontology-Driven-Relevancy-Filtering" ---- - -# [[Ontology-Driven-Relevancy-Filtering]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 탐사 과정에서 발생할 수 있는 '주제 이탈(Topic Drift)'을 방지하기 위해 도입된 의미론적 제약 엔진입니다. 최초 입력된 'Root Topic'을 모든 하위 연구 단계에 주입하여, 추출된 연관 주제가 뿌리 지식과 얼마나 밀접한지를 LLM이 스스로 판단하게 합니다. - -## 📖 구조화된 지식 (Synthesized Content) -지능형 에이전트가 자율적으로 연구를 수행할 때 발생하는 가장 큰 위험은, 연관 주제를 타고 가다가 원래의 목적과 상관없는 지식(예: '프로그래밍'에서 시작해 '인류의 역사'로 끝남)을 수집하는 것입니다. 이를 해결하기 위해 다음의 '필터링 레이어'를 구축했습니다. - -1. **Root Topic Injection**: 미션 시작 시 입력된 주제를 전역 상태(`rootTopic`)로 고정하고, 모든 프롬프트에 "최초 주제인 [Root Topic]을 이해하는 데 반드시 필요한 정보만 수집하라"는 강력한 지침을 포함시킵니다. -2. **Strict Extraction Rule**: - - `[[Link]]` 추출 시, 해당 주제가 Root Topic과 70% 이상의 의미론적 연관성을 가질 때만 큐(Queue)에 추가하도록 LLM 가이드라인을 설정했습니다. - - 단순 나열(Tangential topics)은 수집 대상에서 제외합니다. -3. **Contextual Continuity**: 다음 태스크를 생성할 때 이전 태스크의 맥락을 `context` 변수로 전달하여, 지식의 연결성이 끊기지 않도록 관리합니다. - -이 메커니즘은 지식 그래프의 '확산' 대신 '심화'에 집중하게 하여, 사용자가 원하는 전문 지식의 밀도를 극대화합니다. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[Autonomous-Loop-State-Machine]], [[Gemini-Based-Knowledge-Synthesis]] -- **Projects/Contexts:** [[Knowledge-Graph-Expansion]] -- **Contradictions/Notes:** 필터링이 너무 강력하면 지식의 '참신한 연결'이 저해될 수 있으므로, 프롬프트의 강도 조절이 중요합니다. -- Raw Source: [[00_Raw/2026-04-20/Ontology-Driven-Relevancy-Filtering.md]] ---- diff --git a/AI/Ontology-Engineering.md b/AI/Ontology-Engineering.md deleted file mode 100644 index 1fca48d7..00000000 --- a/AI/Ontology-Engineering.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-8A5DA4 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Ontology-Engineering" ---- - -# [[Ontology-Engineering]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Ontology-Engineering.md]] ---- diff --git a/AI/Ontology-Guided Knowledge Extraction.md b/AI/Ontology-Guided Knowledge Extraction.md deleted file mode 100644 index d6fec33e..00000000 --- a/AI/Ontology-Guided Knowledge Extraction.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-691936 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Ontology-Guided Knowledge Extraction" ---- - -# [[Ontology-Guided Knowledge Extraction]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Ontology-Guided Knowledge Extraction.md]] ---- diff --git a/AI/Opaque-Types.md b/AI/Opaque-Types.md deleted file mode 100644 index 08ac206d..00000000 --- a/AI/Opaque-Types.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-9E90BE -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Opaque-Types" ---- - -# [[Opaque-Types]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Opaque-Types.md]] ---- diff --git a/AI/Open-Access-Movement.md b/AI/Open-Access-Movement.md deleted file mode 100644 index 38b5aa35..00000000 --- a/AI/Open-Access-Movement.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-F5F460 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Open-Access-Movement" ---- - -# [[Open-Access-Movement]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Open-Access-Movement.md]] ---- diff --git a/AI/Operations-Research.md b/AI/Operations-Research.md deleted file mode 100644 index f9476289..00000000 --- a/AI/Operations-Research.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-1BE13E -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Operations-Research" ---- - -# [[Operations-Research]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Operations-Research.md]] ---- diff --git a/AI/Organizational Psychology.md b/AI/Organizational Psychology.md deleted file mode 100644 index 13bcd8e2..00000000 --- a/AI/Organizational Psychology.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-D27512 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Organizational Psychology" ---- - -# [[Organizational Psychology]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Organizational Psychology.md]] ---- diff --git a/AI/Outer Alignment vs Inner Alignment.md b/AI/Outer Alignment vs Inner Alignment.md deleted file mode 100644 index 204d9d99..00000000 --- a/AI/Outer Alignment vs Inner Alignment.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-5C9E29 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Outer Alignment vs Inner Alignment" ---- - -# [[Outer Alignment vs Inner Alignment]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Outer Alignment vs Inner Alignment.md]] ---- diff --git a/AI/PCGML-Frameworks.md b/AI/PCGML-Frameworks.md deleted file mode 100644 index 0df8e152..00000000 --- a/AI/PCGML-Frameworks.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-294A76 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - PCGML-Frameworks" ---- - -# [[PCGML-Frameworks]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/PCGML-Frameworks.md]] ---- diff --git a/AI/PEFT (Parameter-Efficient Fine-Tuning).md b/AI/PEFT (Parameter-Efficient Fine-Tuning).md deleted file mode 100644 index 5bcadf1a..00000000 --- a/AI/PEFT (Parameter-Efficient Fine-Tuning).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-5B20CE -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - PEFT (Parameter-Efficient Fine-Tuning)" ---- - -# [[PEFT (Parameter-Efficient Fine-Tuning)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/PEFT (Parameter-Efficient Fine-Tuning).md]] ---- diff --git a/AI/PRM (Process Reward Model).md b/AI/PRM (Process Reward Model).md deleted file mode 100644 index 1fa2dd2a..00000000 --- a/AI/PRM (Process Reward Model).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-58769F -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - PRM (Process Reward Model)" ---- - -# [[PRM (Process Reward Model)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/PRM (Process Reward Model).md]] ---- diff --git a/AI/PageSpeed Insights.md b/AI/PageSpeed Insights.md deleted file mode 100644 index 4c2b6dfa..00000000 --- a/AI/PageSpeed Insights.md +++ /dev/null @@ -1,32 +0,0 @@ ---- -id: P-REINFORCE-AUTO-FB1C7F -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - PageSpeed Insights" ---- - -# [[PageSpeed Insights]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> PageSpeed Insights는 웹 페이지의 로딩 속도와 사용자 경험 성능을 측정하고 개선을 위한 진단 결과를 제공하는 도구입니다. 이 도구의 진단 기능은 주로 Lighthouse에 의해 구동되며, 최근에는 INP(Interaction to Next Paint)를 비롯한 코어 웹 바이탈(Core Web Vitals) 지표를 통합하여 웹사이트의 전반적인 반응성을 평가합니다 [1-3]. - -## 📖 구조화된 지식 (Synthesized Content) -* **Lighthouse 기반의 진단 엔진:** PageSpeed Insights에서 제공하는 성능 진단 및 개선 권장 사항은 페이지 속도 측정 무료 도구인 Lighthouse의 코어 엔진을 기반으로 구동됩니다 [1]. -* **코어 웹 바이탈(Core Web Vitals) 평가:** PageSpeed Insights는 웹 성능을 평가하는 필수 측정 기준인 코어 웹 바이탈을 분석하는 주요 도구 중 하나입니다. 과거의 FID(First Input Delay) 지표를 대신하여, 이제는 사용자의 모든 상호작용 지연 시간을 포괄적으로 측정하는 INP(Interaction to Next Paint) 지표를 평가하도록 업데이트되었습니다 [2, 3]. -* **데이터 표출의 한계점:** PageSpeed Insights는 유용한 성능 지표를 제공하지만, 모든 세부 데이터를 직접 보여주지는 않습니다. 예를 들어, 로딩 속도 저하의 정확한 원인을 파악하는 데 유용한 크롬 사용자 경험 보고서(CrUX)의 LCP(Largest Contentful Paint) 하위 요소(subparts) 실제 사용자 데이터는 PageSpeed Insights 화면에 표출되지 않으며, 이를 확인하려면 CrUX Vis나 DebugBear와 같은 외부 도구를 이용해야 합니다 [4, 5]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[Lighthouse]], [[Core Web Vitals]], [[Interaction to Next Paint (INP)]], [[Largest Contentful Paint (LCP)]] -- **Projects/Contexts:** [[Web Performance Optimization]], [[Chrome User Experience Report (CrUX)]] -- **Contradictions/Notes:** PageSpeed Insights는 웹 성능을 평가하는 공식적이고 강력한 도구이지만, LCP 하위 요소 데이터와 같은 특정 세부 지표는 도구 내에서 직접 확인할 수 없어 다른 시각화 도구의 병행 사용이 필요할 수 있습니다 [5]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/PageSpeed Insights.md]] ---- diff --git a/AI/Papers Please (Bureaucratic Simulation).md b/AI/Papers Please (Bureaucratic Simulation).md deleted file mode 100644 index 535ddd96..00000000 --- a/AI/Papers Please (Bureaucratic Simulation).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-5F8F7B -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Papers Please (Bureaucratic Simulation)" ---- - -# [[Papers Please (Bureaucratic Simulation)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Papers, Please (Bureaucratic Simulation).md]] ---- diff --git a/AI/Papers-Please.md b/AI/Papers-Please.md deleted file mode 100644 index 8772fdde..00000000 --- a/AI/Papers-Please.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-6CA77E -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Papers-Please" ---- - -# [[Papers-Please]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Papers-Please.md]] ---- diff --git a/AI/Pedestrian-Modeling.md b/AI/Pedestrian-Modeling.md deleted file mode 100644 index b7b84f33..00000000 --- a/AI/Pedestrian-Modeling.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-9FF9E8 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Pedestrian-Modeling" ---- - -# [[Pedestrian-Modeling]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Pedestrian-Modeling.md]] ---- diff --git a/AI/Perceptual-Motor-Skills.md b/AI/Perceptual-Motor-Skills.md deleted file mode 100644 index b2ec6da6..00000000 --- a/AI/Perceptual-Motor-Skills.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-49DAC5 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Perceptual-Motor-Skills" ---- - -# [[Perceptual-Motor-Skills]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Perceptual-Motor-Skills.md]] ---- diff --git a/AI/Performance Management Systems.md b/AI/Performance Management Systems.md deleted file mode 100644 index 6b037f43..00000000 --- a/AI/Performance Management Systems.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-AE7AD2 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Performance Management Systems" ---- - -# [[Performance Management Systems]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Performance Management Systems.md]] ---- diff --git a/AI/Performance Psychology.md b/AI/Performance Psychology.md deleted file mode 100644 index 083c8146..00000000 --- a/AI/Performance Psychology.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-D603B6 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Performance Psychology" ---- - -# [[Performance Psychology]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Performance Psychology.md]] ---- diff --git a/AI/Periodization-Theory.md b/AI/Periodization-Theory.md deleted file mode 100644 index 981d727a..00000000 --- a/AI/Periodization-Theory.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-02B992 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Periodization-Theory" ---- - -# [[Periodization-Theory]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Periodization-Theory.md]] ---- diff --git a/AI/Personalization-Engines.md b/AI/Personalization-Engines.md deleted file mode 100644 index a4de562a..00000000 --- a/AI/Personalization-Engines.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-A74003 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Personalization-Engines" ---- - -# [[Personalization-Engines]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Personalization-Engines.md]] ---- diff --git a/AI/Persuasive Games.md b/AI/Persuasive Games.md deleted file mode 100644 index 904a6bd2..00000000 --- a/AI/Persuasive Games.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-11DC29 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Persuasive Games" ---- - -# [[Persuasive Games]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Persuasive Games.md]] ---- diff --git a/AI/Phase Transition (위상 변이).md b/AI/Phase Transition (위상 변이).md deleted file mode 100644 index b9b33041..00000000 --- a/AI/Phase Transition (위상 변이).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-F09281 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Phase Transition (위상 변이)" ---- - -# [[Phase Transition (위상 변이)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Phase Transition (위상 변이).md]] ---- diff --git a/AI/Phyllotaxis-Modeling.md b/AI/Phyllotaxis-Modeling.md deleted file mode 100644 index c82e6797..00000000 --- a/AI/Phyllotaxis-Modeling.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-AAE034 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Phyllotaxis-Modeling" ---- - -# [[Phyllotaxis-Modeling]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Phyllotaxis-Modeling.md]] ---- diff --git a/AI/Physics-Based-Simulation.md b/AI/Physics-Based-Simulation.md deleted file mode 100644 index cd3b7c18..00000000 --- a/AI/Physics-Based-Simulation.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-1E824D -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Physics-Based-Simulation" ---- - -# [[Physics-Based-Simulation]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Physics-Based-Simulation.md]] ---- diff --git a/AI/Platform Economics.md b/AI/Platform Economics.md deleted file mode 100644 index bf00dc88..00000000 --- a/AI/Platform Economics.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-2B537F -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Platform Economics" ---- - -# [[Platform Economics]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Platform Economics.md]] ---- diff --git a/AI/Play-to-Earn (P2E) Economies.md b/AI/Play-to-Earn (P2E) Economies.md deleted file mode 100644 index d532c567..00000000 --- a/AI/Play-to-Earn (P2E) Economies.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-43C745 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Play-to-Earn (P2E) Economies" ---- - -# [[Play-to-Earn (P2E) Economies]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Play-to-Earn (P2E) Economies.md]] ---- diff --git a/AI/Player-Agency.md b/AI/Player-Agency.md deleted file mode 100644 index 187ecedf..00000000 --- a/AI/Player-Agency.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-058473 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Player-Agency" ---- - -# [[Player-Agency]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Player-Agency.md]] ---- diff --git a/AI/PolicyIQ.md b/AI/PolicyIQ.md deleted file mode 100644 index 1ec5711d..00000000 --- a/AI/PolicyIQ.md +++ /dev/null @@ -1,32 +0,0 @@ ---- -id: P-REINFORCE-AUTO-B7D200 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - PolicyIQ" ---- - -# [[PolicyIQ]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> PolicyIQ는 AI 네이티브 SAST(정적 애플리케이션 보안 테스트) 플랫폼인 Corgea에서 제공하는 기능입니다 [1, 2]. 팀이 자연어를 사용하여 비즈니스 및 환경적 맥락을 시스템에 제공할 수 있도록 지원하며, 스캐너는 이를 활용하여 취약점 탐지 정확도를 높이고 코드 수정안(fix) 생성 능력을 향상시킵니다 [2]. - -## 📖 구조화된 지식 (Synthesized Content) -* **자연어 기반 컨텍스트 제공:** PolicyIQ를 통해 보안 및 개발 팀은 복잡한 규칙 작성 대신 자연어(natural language)를 사용하여 자신들의 비즈니스 및 환경적 맥락을 쉽게 시스템에 전달할 수 있습니다 [2]. -* **맞춤형 탐지 및 해결책 생성:** PolicyIQ의 정책 기반 맥락화(Policy-driven contextualization) 기술을 통해, 보안 스캔 결과와 AI가 생성하는 코드 수정안이 조직의 실제 비즈니스 작동 방식에 맞게 조정(tailor)됩니다 [2]. -* **Corgea 스캐닝 엔진과의 결합:** 사후 분석에만 AI를 사용하는 다른 도구들과 달리, PolicyIQ는 코어 스캐닝 엔진 자체에 대형 언어 모델(LLM)을 사용하는 Corgea의 시스템 내에서 작동합니다 [1, 2]. 이를 통해 패턴 기반 탐지에만 의존할 때 발생하는 오탐(False Positives)을 줄이고, 비즈니스 로직 결함 검출과 같은 고차원적인 분석을 가능하게 합니다 [1, 2]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[Corgea]], [[SAST]], [[Large Language Models (LLMs)]] -- **Projects/Contexts:** [[Corgea AI-native SAST Platform]] -- **Contradictions/Notes:** PolicyIQ의 심층적인 기술 작동 원리나 세부적인 설정 방법 등은 소스에 관련 정보가 부족합니다. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/PolicyIQ.md]] ---- diff --git a/AI/Positive-Education.md b/AI/Positive-Education.md deleted file mode 100644 index 12189f01..00000000 --- a/AI/Positive-Education.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-E6C93F -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Positive-Education" ---- - -# [[Positive-Education]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Positive-Education.md]] ---- diff --git a/AI/Post-structuralism.md b/AI/Post-structuralism.md deleted file mode 100644 index 5afc10e2..00000000 --- a/AI/Post-structuralism.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-49AC0F -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Post-structuralism" ---- - -# [[Post-structuralism]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Post-structuralism.md]] ---- diff --git a/AI/Precision Medicine Training.md b/AI/Precision Medicine Training.md deleted file mode 100644 index 4b7b1fd1..00000000 --- a/AI/Precision Medicine Training.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-95109A -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Precision Medicine Training" ---- - -# [[Precision Medicine Training]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Precision Medicine Training.md]] ---- diff --git a/AI/Predictive Maintenance (PdM).md b/AI/Predictive Maintenance (PdM).md deleted file mode 100644 index 1f069a3a..00000000 --- a/AI/Predictive Maintenance (PdM).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-E3A437 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Predictive Maintenance (PdM)" ---- - -# [[Predictive Maintenance (PdM)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Predictive Maintenance (PdM).md]] ---- diff --git a/AI/Predictive-Modeling.md b/AI/Predictive-Modeling.md deleted file mode 100644 index 4fe2ef56..00000000 --- a/AI/Predictive-Modeling.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-2ADF8A -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Predictive-Modeling" ---- - -# [[Predictive-Modeling]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Predictive-Modeling.md]] ---- diff --git a/AI/Predictive-Urban-Modeling.md b/AI/Predictive-Urban-Modeling.md deleted file mode 100644 index 5c59f978..00000000 --- a/AI/Predictive-Urban-Modeling.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-FBB603 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Predictive-Urban-Modeling" ---- - -# [[Predictive-Urban-Modeling]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Predictive-Urban-Modeling.md]] ---- diff --git a/AI/Prefrontal Cortex Dysfunction.md b/AI/Prefrontal Cortex Dysfunction.md deleted file mode 100644 index 4c94c5d7..00000000 --- a/AI/Prefrontal Cortex Dysfunction.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-A5833A -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Prefrontal Cortex Dysfunction" ---- - -# [[Prefrontal Cortex Dysfunction]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Prefrontal Cortex Dysfunction.md]] ---- diff --git a/AI/Prefrontal-Cortex-Dysfunction.md b/AI/Prefrontal-Cortex-Dysfunction.md deleted file mode 100644 index cb016890..00000000 --- a/AI/Prefrontal-Cortex-Dysfunction.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-832BDA -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Prefrontal-Cortex-Dysfunction" ---- - -# [[Prefrontal-Cortex-Dysfunction]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Prefrontal-Cortex-Dysfunction.md]] ---- diff --git a/AI/Probability Theory (Stochastic Processes).md b/AI/Probability Theory (Stochastic Processes).md deleted file mode 100644 index be602db9..00000000 --- a/AI/Probability Theory (Stochastic Processes).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-D3B247 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Probability Theory (Stochastic Processes)" ---- - -# [[Probability Theory (Stochastic Processes)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Probability Theory (Stochastic Processes).md]] ---- diff --git a/AI/Probability Theory.md b/AI/Probability Theory.md deleted file mode 100644 index c5a1d2dd..00000000 --- a/AI/Probability Theory.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-28E2A8 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Probability Theory" ---- - -# [[Probability Theory]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Probability Theory.md]] ---- diff --git a/AI/Procedural Content Generation (PCG) Balancing.md b/AI/Procedural Content Generation (PCG) Balancing.md deleted file mode 100644 index c1d75687..00000000 --- a/AI/Procedural Content Generation (PCG) Balancing.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-231525 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Procedural Content Generation (PCG) Balancing" ---- - -# [[Procedural Content Generation (PCG) Balancing]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Procedural Content Generation (PCG) Balancing.md]] ---- diff --git a/AI/Procedural Content Generation (PCG).md b/AI/Procedural Content Generation (PCG).md deleted file mode 100644 index bfbe8443..00000000 --- a/AI/Procedural Content Generation (PCG).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-8E0344 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Procedural Content Generation (PCG)" ---- - -# [[Procedural Content Generation (PCG)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Procedural Content Generation (PCG).md]] ---- diff --git a/AI/Procedural Content Generation via Machine Learning (PCGML).md b/AI/Procedural Content Generation via Machine Learning (PCGML).md deleted file mode 100644 index 241da341..00000000 --- a/AI/Procedural Content Generation via Machine Learning (PCGML).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-234400 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Procedural Content Generation via Machine Learning (PCGML)" ---- - -# [[Procedural Content Generation via Machine Learning (PCGML)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Procedural Content Generation via Machine Learning (PCGML).md]] ---- diff --git a/AI/Procedural Content Generation.md b/AI/Procedural Content Generation.md deleted file mode 100644 index f932c1a9..00000000 --- a/AI/Procedural Content Generation.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-7E4074 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Procedural Content Generation" ---- - -# [[Procedural Content Generation]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Procedural Content Generation.md]] ---- diff --git a/AI/Procedural Rhetoric.md b/AI/Procedural Rhetoric.md deleted file mode 100644 index d0cf89af..00000000 --- a/AI/Procedural Rhetoric.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-DDAA23 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Procedural Rhetoric" ---- - -# [[Procedural Rhetoric]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Procedural Rhetoric.md]] ---- diff --git a/AI/Procedural-Content-Generation (PCG).md b/AI/Procedural-Content-Generation (PCG).md deleted file mode 100644 index 7c9046d6..00000000 --- a/AI/Procedural-Content-Generation (PCG).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-D3BC93 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Procedural-Content-Generation (PCG)" ---- - -# [[Procedural-Content-Generation (PCG)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Procedural-Content-Generation (PCG).md]] ---- diff --git a/AI/Procedural-Content-Generation-via-Machine-Learning.md b/AI/Procedural-Content-Generation-via-Machine-Learning.md deleted file mode 100644 index 1ecca8bc..00000000 --- a/AI/Procedural-Content-Generation-via-Machine-Learning.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-1F2C54 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Procedural-Content-Generation-via-Machine-Learning" ---- - -# [[Procedural-Content-Generation-via-Machine-Learning]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Procedural-Content-Generation-via-Machine-Learning.md]] ---- diff --git a/AI/Procedural-Content-Generation.md b/AI/Procedural-Content-Generation.md deleted file mode 100644 index 117c8a06..00000000 --- a/AI/Procedural-Content-Generation.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-CE4240 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Procedural-Content-Generation" ---- - -# [[Procedural-Content-Generation]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Procedural-Content-Generation.md]] ---- diff --git a/AI/Procedural-Texture-Generation.md b/AI/Procedural-Texture-Generation.md deleted file mode 100644 index 8db62eec..00000000 --- a/AI/Procedural-Texture-Generation.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-5EABE9 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Procedural-Texture-Generation" ---- - -# [[Procedural-Texture-Generation]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Procedural-Texture-Generation.md]] ---- diff --git a/AI/Process Supervision (과정 감독).md b/AI/Process Supervision (과정 감독).md deleted file mode 100644 index ec4e8b4e..00000000 --- a/AI/Process Supervision (과정 감독).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-DD3E5C -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Process Supervision (과정 감독)" ---- - -# [[Process Supervision (과정 감독)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Process Supervision (과정 감독).md]] ---- diff --git a/AI/Product-Types.md b/AI/Product-Types.md deleted file mode 100644 index d67aaeb6..00000000 --- a/AI/Product-Types.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-9999F1 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Product-Types" ---- - -# [[Product-Types]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Product-Types.md]] ---- diff --git a/AI/Prompt Injection (프롬프트 주입 공격).md b/AI/Prompt Injection (프롬프트 주입 공격).md deleted file mode 100644 index 3459a1b9..00000000 --- a/AI/Prompt Injection (프롬프트 주입 공격).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-755BF7 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Prompt Injection (프롬프트 주입 공격)" ---- - -# [[Prompt Injection (프롬프트 주입 공격)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Prompt Injection (프롬프트 주입 공격).md]] ---- diff --git a/AI/Prospect Theory.md b/AI/Prospect Theory.md deleted file mode 100644 index 5f97c1c9..00000000 --- a/AI/Prospect Theory.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-95BA10 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Prospect Theory" ---- - -# [[Prospect Theory]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Prospect Theory.md]] ---- diff --git a/AI/Prosthetic-Design-Optimization.md b/AI/Prosthetic-Design-Optimization.md deleted file mode 100644 index 11ce1de9..00000000 --- a/AI/Prosthetic-Design-Optimization.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-67AEBB -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Prosthetic-Design-Optimization" ---- - -# [[Prosthetic-Design-Optimization]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Prosthetic-Design-Optimization.md]] ---- diff --git a/AI/Psychophysiology.md b/AI/Psychophysiology.md deleted file mode 100644 index 78041d1f..00000000 --- a/AI/Psychophysiology.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-DD660D -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Psychophysiology" ---- - -# [[Psychophysiology]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Psychophysiology.md]] ---- diff --git a/AI/Pull Request (PR) 워크플로우.md b/AI/Pull Request (PR) 워크플로우.md deleted file mode 100644 index 66f62ffb..00000000 --- a/AI/Pull Request (PR) 워크플로우.md +++ /dev/null @@ -1,33 +0,0 @@ ---- -id: P-REINFORCE-AUTO-47A74B -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Pull Request (PR) 워크플로우" ---- - -# [[Pull Request (PR) 워크플로우]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> Pull Request (PR) 워크플로우는 소프트웨어 개발 과정에서 코드 변경 사항이 메인 브랜치에 병합(merge)되기 전에 검토, 분석 및 승인되는 핵심 단계입니다 [1, 2]. 현대적인 PR 워크플로우는 인간 개발자의 수동 리뷰와 AI 기반 코드 리뷰, 정적 분석(SAST) 등의 자동화 도구를 결합한 하이브리드 방식을 채택합니다 [3, 4]. 이를 통해 보안 취약점과 버그를 조기에 발견하고 PR 처리 시간을 크게 단축하여 전체적인 소프트웨어 배포의 안정성과 속도를 향상시킵니다 [5, 6]. - -## 📖 구조화된 지식 (Synthesized Content) -- **자동화 검증 및 품질 게이트 (Quality Gates) 통합:** PR이 생성되면 즉각적으로 린터(Linter), 정적 애플리케이션 보안 테스트(SAST), AI 리뷰 봇 등이 병렬로 실행되어 코드 변경 사항을 스캔합니다 [1, 7, 8]. 이 과정에서 보안 취약점, 메모리 누수, 코드 스멜 등을 사전에 찾아내며, 조직에서 설정한 코드 품질 및 보안 기준(Quality Gates)을 통과하지 못하면 PR 병합이 시스템적으로 차단됩니다 [9-11]. -- **하이브리드 리뷰(Hybrid Review) 체계:** 가장 효율적인 PR 워크플로우는 기계와 인간의 장점을 결합하여 이루어집니다 [12]. 자동화 도구는 구문 오류, 스타일 위반, 알려진 취약점 등 기계적인 검증과 사전 필터링을 빠르게 처리하여 리뷰어의 피로도를 낮춥니다 [3, 13]. 인간 리뷰어는 도구가 파악할 수 없는 아키텍처 결정의 트레이드오프, 복잡한 비즈니스 로직, 서비스 간의 상호 작용 등 문맥 파악이 필수적인 고차원적 판단에 집중합니다 [3, 4, 14]. -- **경로 기반 라우팅과 필수 승인 (Path-Based Routing):** GitHub의 CODEOWNERS나 GitLab의 승인 규칙 같은 기능을 통해, PR 내에서 변경된 파일 경로(예: 결제 모듈, 인증 로직)에 따라 적절한 전문 팀(보안 팀, 시니어 개발자 등)에게 자동으로 리뷰 요청을 할당합니다 [15, 16]. 자동화된 검사를 통과하고 지정된 검토자의 필수 승인을 모두 확보해야만 코드 병합(Merge)이 활성화되는 다단계 아키텍처를 가집니다 [8, 16]. -- **PR 주기 시간(Cycle Time) 단축 및 지표 관리:** 자동화된 리뷰 어시스턴트를 도입한 조직은 PR 생성부터 병합까지 걸리는 'PR 사이클 타임'과 '첫 리뷰까지의 시간'을 최대 40%까지 단축할 수 있습니다 [3, 5]. 이는 검토 대기열(Backlog)이 쌓이는 병목 현상을 방지하여, 개발자의 컨텍스트 스위칭 비용을 줄이고 배포 빈도(Deployment frequency)를 높이는 핵심 요소로 작용합니다 [5, 17]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[수동 코드 리뷰(Manual Code Review)]], [[자동화된 코드 리뷰(Automated Code Review)]], [[정적 애플리케이션 보안 테스트(SAST)]], [[Quality Gates]] -- **Projects/Contexts:** [[GitHub CODEOWNERS]], [[CI/CD 파이프라인]] -- **Contradictions/Notes:** 자동화된 AI PR 리뷰 봇은 프로세스를 가속화하지만, 때로는 사소하거나 가치 없는 코멘트를 대량으로 발생시켜 리뷰어에게 '경고 피로(Alert Fatigue)'를 유발할 수 있습니다 [18, 19]. 따라서 자동화 도구는 보조 수단일 뿐, 심층적인 아키텍처 결정은 여전히 인간의 수동 검토에 의존해야 합니다 [18]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/Pull Request (PR) 워크플로우.md]] ---- diff --git a/AI/Pull Request (PR).md b/AI/Pull Request (PR).md deleted file mode 100644 index 214f2a35..00000000 --- a/AI/Pull Request (PR).md +++ /dev/null @@ -1,37 +0,0 @@ ---- -id: P-REINFORCE-AUTO-3B4223 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Pull Request (PR)" ---- - -# [[Pull Request (PR)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 풀 리퀘스트(Pull Request, PR)는 소프트웨어 개발 과정에서 개발자가 자신이 수정한 코드를 메인 브랜치에 병합(merge)하기 전, 다른 팀원이나 자동화 도구에게 코드 검토를 요청하는 워크플로우를 의미합니다 [1-3]. 이는 매뉴얼 코드 리뷰와 자동화된 정적 애플리케이션 보안 테스트(SAST) 및 AI 코드 리뷰가 실행되는 주요 환경으로 작용합니다 [1, 3-5]. PR 단계에서 코드의 품질, 보안 취약점, 로직 오류 등을 사전에 식별하고 논의함으로써 프로덕션 환경에 결함이 배포되는 것을 방지하고 유지보수성을 높일 수 있습니다 [4, 6-8]. - -## 📖 구조화된 지식 (Synthesized Content) -* **코드 리뷰의 핵심 컨텍스트** - 풀 리퀘스트 워크플로우는 수동 및 자동화된 코드 리뷰가 이루어지는 필수적인 단계입니다 [3, 4]. 개발자들은 PR을 통해 코드를 병합하기 전에 버그, 보안 취약점, 스타일 위반, 성능 및 유지보수성 문제 등을 종합적으로 평가합니다 [1, 4]. 수동 리뷰에서 동료 개발자들은 PR을 검토하며 비즈니스 로직, 아키텍처 결정, 코드 가독성 등 자동화 도구가 파악하기 어려운 문맥과 의도를 검증합니다 [3, 8]. 동시에 SonarQube, Snyk, Semgrep 등의 정적 분석 도구들은 PR 생성 시 CI/CD 파이프라인과 연동되어 코드를 스캔하고, 품질 기준을 충족하지 못할 경우 병합을 차단하는 게이트(gate) 역할을 수행합니다 [7, 9-11]. - -* **AI 기반 도구의 PR 통합** - 최근에는 다양한 AI 기반 코드 리뷰 및 보안 도구들이 PR 워크플로우 내에 직접 통합되어 개발자 경험과 리뷰 속도를 향상시키고 있습니다 [4, 7]. 예를 들어, GitHub Copilot이나 Semgrep Assistant, Snyk Code와 같은 도구는 PR 토론(discussion) 스레드 내에 직접 컨텍스트 기반의 제안을 추가하거나 인라인으로 수정 코드를 제공합니다 [4, 9, 12-14]. 이 과정에서 AI는 단순한 오류 탐지를 넘어 PR 요약본을 생성하고 발견된 취약점에 대한 수정안을 자동으로 검증(Autofix)하여 시니어 개발자 및 리뷰어의 피로도를 크게 줄여줍니다 [12, 15-17]. - -* **생산성 및 딜리버리 지표 (Metrics)** - PR 워크플로우의 효율성은 조직의 소프트웨어 딜리버리 성과를 결정짓는 중요한 요소입니다 [18, 19]. AI 및 자동화 코드 리뷰 도구를 PR에 성공적으로 도입할 경우, 첫 리뷰까지 걸리는 시간(Time to first review)과 전체 PR 사이클 타임(PR cycle time)이 단축되어 최대 40%까지 리뷰 주기를 줄일 수 있습니다 [20, 21]. 결과적으로 PR 백로그가 누적되는 것을 막고 배포 빈도(Deployment frequency)를 높이며, 병합 후 발생하는 재작업(Post-merge rework) 및 핫픽스 비율을 낮추는 데 직접적으로 기여합니다 [20-22]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[Code Review]], [[Static Application Security Testing (SAST)]], [[Continuous Integration/Continuous Deployment (CI/CD)]] -- **Projects/Contexts:** [[DevSecOps]], [[GitHub]] -- **Contradictions/Notes:** 자동화 및 AI 도구는 PR 내에서 발생하는 문법 오류나 알려진 보안 취약점을 빠르게 찾아내고 수정 제안을 제공하지만, 비즈니스 로직이나 아키텍처, 코드의 근본적인 의도를 파악하는 데에는 한계가 있으므로, 중요하고 민감한 변경 사항에 대해서는 인간 개발자의 수동 PR 리뷰가 반드시 병행되어야 합니다 [3, 8, 23]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/Pull Request (PR).md]] ---- diff --git a/AI/Quality Gates.md b/AI/Quality Gates.md deleted file mode 100644 index c2adf2ca..00000000 --- a/AI/Quality Gates.md +++ /dev/null @@ -1,33 +0,0 @@ ---- -id: P-REINFORCE-AUTO-B577EF -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Quality Gates" ---- - -# [[Quality Gates]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> Quality Gates(품질 게이트)는 소프트웨어 개발 수명 주기(SDLC)에서 코드 병합이나 배포 전에 사전에 정의된 품질 및 보안 표준을 충족하는지 평가하는 정책 기반의 검사 메커니즘입니다 [1, 2]. 주로 풀 리퀘스트(Pull Request) 단계에서 실행되어 복잡도, 취약점, 중복 등의 지표를 평가한 후 통과(Pass) 또는 실패(Fail) 상태를 이진(binary) 신호로 명확히 할당합니다 [2-4]. 이를 통해 팀은 비공식적인 리뷰 코멘트에 의존하지 않고 객관적인 규칙 세트에 따라 코드 품질을 일관되게 유지하며, 규모에 맞는 안전한 코드 배포를 보장할 수 있습니다 [2, 5]. - -## 📖 구조화된 지식 (Synthesized Content) -* **동작 원리 및 적용 시점:** Quality Gates는 IDE부터 CI/CD 파이프라인 전반에 걸쳐 워크플로우에 통합되어 작동하는 정책 기반의 통제 장치(policy-driven gates)입니다 [1, 6]. 주로 풀 리퀘스트(PR)나 브랜치 병합 전에 코드를 분석하여 사전에 설정된 명시적인 규칙 세트를 만족하는지 확인합니다 [2]. 기준을 충족하지 못하는 "새로운 문제(new issues)"가 발견될 경우 실패(Fail) 신호를 보내어 코드 병합을 직접적으로 차단(merge blocking)합니다 [2]. -* **개발 워크플로우 및 품질 관리에 미치는 영향:** Quality Gates는 대시보드 형태의 집계뿐만 아니라 PR 수준에서 직접적으로 품질 상태, 코드 중복, 복잡성 및 테스트 커버리지 등의 가시적인 신호를 제공합니다 [3]. 비공식적인 리뷰 코멘트 대신 이진(binary) 형태의 명확한 통과/실패 신호를 부여하기 때문에 실시간으로 개발자의 코드 병합 행동에 즉각적인 영향을 미치며, 시간에 따른 품질 저하(quality drift) 현상을 추적하고 측정할 수 있도록 돕습니다 [2-4]. -* **컴플라이언스 준수 및 표준화:** 조직 내 여러 리포지토리 전반에 걸쳐 일관된 표준을 강제하여 소프트웨어의 유지보수성과 신뢰성을 향상시킵니다 [1, 7, 8]. 또한 OWASP, ISO/IEC 등과 같은 업계 컴플라이언스와 보안 표준을 충족하는 데 핵심적인 역할을 수행합니다 [8]. -* **AI 생성 코드 및 도구 연동:** Quality Gates는 사람이 작성한 코드뿐만 아니라 AI가 생성한 코드에 대해서도 동일한 품질 표준을 강제합니다 [9]. 최근의 AI 네이티브 개발 환경에서는 AI 코딩 어시스턴트(예: Cursor, Windsurf)가 직접 Quality Gate 상태를 쿼리(query)하고 피드백을 받을 수 있도록 연동이 지원됩니다 [10]. 나아가 AI가 코드를 자동 수정(Auto-fix)할 때 발생할 수 있는 환각(hallucination) 위험을 검증하고 줄이는 품질 게이트 역할로도 활용됩니다 [11]. 이러한 워크플로우를 강력하게 지원하는 도구로는 SonarQube, Codacy 등이 있습니다 [2, 3, 12]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[Static Application Security Testing (SAST)]], [[CI/CD pipelines]], [[Pull Request (PR)]] -- **Projects/Contexts:** [[SonarQube Cloud]], [[Codacy]], [[AI Code Assurance]] -- **Contradictions/Notes:** 소스는 팀 내 비공식적인 코드 리뷰 코멘트에 의존하여 병합을 결정하는 것보다, Quality Gates와 같은 명시적인 규칙 세트 기반의 이진 신호(통과/실패)를 통해 병합을 차단하는 방식이 시간이 지남에 따른 품질 변화를 더 명확하게 측정하고 통제할 수 있다고 강조합니다 [2]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/Quality Gates.md]] ---- diff --git a/AI/Quantitative-Usability-Testing.md b/AI/Quantitative-Usability-Testing.md deleted file mode 100644 index 936664bf..00000000 --- a/AI/Quantitative-Usability-Testing.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-8A68D1 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Quantitative-Usability-Testing" ---- - -# [[Quantitative-Usability-Testing]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Quantitative-Usability-Testing.md]] ---- diff --git a/AI/RAG (검색 증강 생성).md b/AI/RAG (검색 증강 생성).md deleted file mode 100644 index d0b9be70..00000000 --- a/AI/RAG (검색 증강 생성).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-937086 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - RAG (검색 증강 생성)" ---- - -# [[RAG (검색 증강 생성)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/RAG (검색 증강 생성).md]] ---- diff --git a/AI/RLAIF (AI 피드백 기반 강화학습).md b/AI/RLAIF (AI 피드백 기반 강화학습).md deleted file mode 100644 index 56a4fabb..00000000 --- a/AI/RLAIF (AI 피드백 기반 강화학습).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-77C4FB -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - RLAIF (AI 피드백 기반 강화학습)" ---- - -# [[RLAIF (AI 피드백 기반 강화학습)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/RLAIF (AI 피드백 기반 강화학습).md]] ---- diff --git a/AI/RLHF (인간 피드백 기반 강화학습).md b/AI/RLHF (인간 피드백 기반 강화학습).md deleted file mode 100644 index c2e7b021..00000000 --- a/AI/RLHF (인간 피드백 기반 강화학습).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-628311 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - RLHF (인간 피드백 기반 강화학습)" ---- - -# [[RLHF (인간 피드백 기반 강화학습)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/RLHF (인간 피드백 기반 강화학습).md]] ---- diff --git a/AI/RL_Neuroscience.md b/AI/RL_Neuroscience.md deleted file mode 100644 index 4580cf5a..00000000 --- a/AI/RL_Neuroscience.md +++ /dev/null @@ -1,29 +0,0 @@ ---- -id: P-REINFORCE-AI-003 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.98 -tags: [ai, rl, neuroscience, brain] -last_reinforced: 2026-04-20 -github_commit: "batch-reinforce-04" ---- - -# [[RL_Neuroscience (Computational Reinforcement Learning)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 보상 학습의 생물학적 기제와 기계 학습 알고리즘의 수렴을 통해 지능의 본질을 규명하는 계산 뇌과학의 정점. - -## 📖 구조화된 지식 (Synthesized Content) -- **추출된 패턴:** 환경과의 상호작용에서 얻은 보상 신호를 사용하여 정책(Policy)과 가치 함수(Value Function)를 업데이트하는 순환적 최적화 패턴. -- **세부 내용:** - - TD-Learning(Temporal Difference)과 도파민 신호의 수학적 일치성 입증. - - 모델 기반(Model-based) vs 모델 자유(Model-free) 학습의 뇌내 처리 경로 분석. - - 탐색(Exploration)과 착취(Exploitation)의 균형을 맞추는 전두엽의 기능 모사. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 단순 조건 반사 모델에서 미래 가치를 예측하는 '계산적 에이전트' 모델로 확장. -- **정책 변화:** P-Reinforce 엔진의 핵심 로직(Self-Optimization)을 뒷받침하는 이론적 근거로 최상단 배치. - -## 🔗 지식 연결 (Graph) -- **Parent:** [[10_Wiki/💡 Topics/AI]] -- **Related:** [[Dopamine]], [[Operant_Conditioning]], [[Reinforcement-Learning]] -- **Raw Source:** [[00_Raw/2026-04-20/Computational Neuroscience of Reinforcement Learning.md]] diff --git a/AI/ReAct (Reasoning Acting).md b/AI/ReAct (Reasoning Acting).md deleted file mode 100644 index e94ee50d..00000000 --- a/AI/ReAct (Reasoning Acting).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-382E0C -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - ReAct (Reasoning Acting)" ---- - -# [[ReAct (Reasoning Acting)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/ReAct (Reasoning + Acting).md]] ---- diff --git a/AI/Real-Time-Game-Engines.md b/AI/Real-Time-Game-Engines.md deleted file mode 100644 index 0ffdab01..00000000 --- a/AI/Real-Time-Game-Engines.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-9DBB1E -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Real-Time-Game-Engines" ---- - -# [[Real-Time-Game-Engines]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Real-Time-Game-Engines.md]] ---- diff --git a/AI/Redux-Reducers-Design.md b/AI/Redux-Reducers-Design.md deleted file mode 100644 index 9784b87c..00000000 --- a/AI/Redux-Reducers-Design.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-4EB691 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Redux-Reducers-Design" ---- - -# [[Redux-Reducers-Design]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Redux-Reducers-Design.md]] ---- diff --git a/AI/Redux-State-Management.md b/AI/Redux-State-Management.md deleted file mode 100644 index 962f9c3a..00000000 --- a/AI/Redux-State-Management.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-DBA4CB -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Redux-State-Management" ---- - -# [[Redux-State-Management]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Redux-State-Management.md]] ---- diff --git a/AI/Regenerative Design.md b/AI/Regenerative Design.md deleted file mode 100644 index 8acaf1d5..00000000 --- a/AI/Regenerative Design.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-6EFEA1 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Regenerative Design" ---- - -# [[Regenerative Design]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Regenerative Design.md]] ---- diff --git a/AI/Regenerative-Design.md b/AI/Regenerative-Design.md deleted file mode 100644 index c7affdd1..00000000 --- a/AI/Regenerative-Design.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-9E754B -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Regenerative-Design" ---- - -# [[Regenerative-Design]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Regenerative-Design.md]] ---- diff --git a/AI/Rehabilitative-Medicine.md b/AI/Rehabilitative-Medicine.md deleted file mode 100644 index 471c45a5..00000000 --- a/AI/Rehabilitative-Medicine.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-2E9085 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Rehabilitative-Medicine" ---- - -# [[Rehabilitative-Medicine]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Rehabilitative-Medicine.md]] ---- diff --git a/AI/Reinforcement Learning (RL).md b/AI/Reinforcement Learning (RL).md deleted file mode 100644 index 6ec2645e..00000000 --- a/AI/Reinforcement Learning (RL).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-81D53F -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Reinforcement Learning (RL)" ---- - -# [[Reinforcement Learning (RL)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Reinforcement Learning (RL).md]] ---- diff --git a/AI/Reinforcement Learning for Automated Playtesting.md b/AI/Reinforcement Learning for Automated Playtesting.md deleted file mode 100644 index 808eb5f3..00000000 --- a/AI/Reinforcement Learning for Automated Playtesting.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-01F691 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Reinforcement Learning for Automated Playtesting" ---- - -# [[Reinforcement Learning for Automated Playtesting]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Reinforcement Learning for Automated Playtesting.md]] ---- diff --git a/AI/Reinforcement Learning in Economics.md b/AI/Reinforcement Learning in Economics.md deleted file mode 100644 index b06c53f9..00000000 --- a/AI/Reinforcement Learning in Economics.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-169C30 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Reinforcement Learning in Economics" ---- - -# [[Reinforcement Learning in Economics]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Reinforcement Learning in Economics.md]] ---- diff --git a/AI/Reinforcement Learning.md b/AI/Reinforcement Learning.md deleted file mode 100644 index b8c10a40..00000000 --- a/AI/Reinforcement Learning.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-AE51CB -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Reinforcement Learning" ---- - -# [[Reinforcement Learning]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Reinforcement Learning.md]] ---- diff --git a/AI/Reinforcement Schedules.md b/AI/Reinforcement Schedules.md deleted file mode 100644 index a5591a2f..00000000 --- a/AI/Reinforcement Schedules.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-8A0BA0 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Reinforcement Schedules" ---- - -# [[Reinforcement Schedules]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Reinforcement Schedules.md]] ---- diff --git a/AI/Resilience Science.md b/AI/Resilience Science.md deleted file mode 100644 index 0f7a27c1..00000000 --- a/AI/Resilience Science.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-06F1DA -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Resilience Science" ---- - -# [[Resilience Science]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Resilience Science.md]] ---- diff --git a/AI/Resilience-Engineering.md b/AI/Resilience-Engineering.md deleted file mode 100644 index ec2bebc1..00000000 --- a/AI/Resilience-Engineering.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-49D143 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Resilience-Engineering" ---- - -# [[Resilience-Engineering]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Resilience-Engineering.md]] ---- diff --git a/AI/Retainers(유지 경로).md b/AI/Retainers(유지 경로).md deleted file mode 100644 index 01d62ba6..00000000 --- a/AI/Retainers(유지 경로).md +++ /dev/null @@ -1,40 +0,0 @@ ---- -id: P-REINFORCE-AUTO-77A920 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Retainers(유지 경로)" ---- - -# [[Retainers(유지 경로)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> Retainers(유지 경로)는 가비지 컬렉터(GC) 루트부터 특정 객체까지 연결된 참조 체인을 의미한다 [1, 2]. 이는 객체가 가비지 컬렉션의 대상이 되지 않고 메모리에 계속 남아있게 만드는 원인을 파악하는 데 사용된다 [1, 2]. 개발자는 Chrome DevTools나 IntelliJ IDEA와 같은 메모리 프로파일링 도구에서 제공하는 Retainers 패널을 통해 이 경로를 역추적하여 메모리 누수의 근본 원인을 식별하고 해결할 수 있다 [3-5]. - -## 📖 구조화된 지식 (Synthesized Content) -* **Retainers의 역할 및 정의** - Retainers는 선택한 객체를 가리키는 객체들의 목록(역방향 참조 및 루프 포함)을 보여준다 [5, 6]. V8 엔진은 전역 루트(GC root)에서부터 포인터 체인을 통해 도달 가능한 객체를 살아있는(live) 객체로 간주하기 때문에, Retainers는 메모리 누수가 의심되는 객체가 왜 회수되지 않는지를 이해하는 핵심 지표 역할을 한다 [4]. 이 패널은 유출된 객체에서부터 GC 루트로 돌아가는 경로를 역방향으로 표시한다 [4]. - -* **디버깅 및 메모리 누수 분석** - 개발자는 힙 스냅샷(Heap Snapshot)이나 할당 타임라인 도구를 사용하여 유출된 객체를 찾아낸 뒤, 해당 객체의 Retainers 트리를 확인하여 GC 루트까지 유지되는 참조 체인을 파악할 수 있다 [2, 3, 7]. 이 유지 경로를 면밀히 검토하면 불필요한 객체가 클로저(Closure) 스코프 등에 의해 계속 참조되고 있는 이유를 파악할 수 있으며, 이를 바탕으로 불필요한 참조를 제거하는 코드 수정이 가능하다 [3, 7, 8]. - -* **도구 내 활용 및 필터링 기능** - Chrome DevTools의 Retainers 섹션에서는 특정 항목을 우클릭하여 'Ignore this retainer(이 유지 경로 무시)' 기능을 사용할 수 있다 [9]. 이를 통해 코드를 직접 수정하거나 힙 스냅샷을 다시 찍지 않고도, 해당 참조를 제외했을 때 객체를 계속 유지하게 만드는 다른 경로가 있는지 확인할 수 있다 [9]. 한편, 축소(Minified)된 코드에서는 Retainer 체인을 읽기 어려울 수 있으므로, 의미 있는 함수 및 변수 이름을 얻기 위해서는 소스 맵(Source Maps)을 활용해야 한다 [10]. - -* **고급 추적 기법** - 매우 복잡한 형태의 메모리 누수를 분석할 때는 V8 내부 기능인 `%DebugTrackRetainingPath(object)`를 이용할 수 있다 [4, 11]. `--allow-natives-syntax` 및 `--track-retaining-path` 런타임 플래그와 함께 사용하면, 가비지 컬렉션이 발생할 때마다 해당 객체의 실제 유지 경로를 콘솔에 직접 출력하여 DevTools UI의 추상화를 거치지 않고도 저수준의 세부 정보를 확인할 수 있다 [4, 11]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[Garbage Collection(GC)]], [[Memory Leak]], [[Heap Snapshot]], [[GC Roots]] -- **Projects/Contexts:** [[Chrome DevTools Memory Panel]], [[V8 JavaScript Engine]], [[IntelliJ IDEA V8 CPU and Memory Profiling]] -- **Contradictions/Notes:** 소스에 관련 정보가 부족합니다. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/Retainers(유지 경로).md]] ---- diff --git a/AI/Retaining Path.md b/AI/Retaining Path.md deleted file mode 100644 index c260709b..00000000 --- a/AI/Retaining Path.md +++ /dev/null @@ -1,39 +0,0 @@ ---- -id: P-REINFORCE-AUTO-B5755B -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Retaining Path" ---- - -# [[Retaining Path]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> Retaining Path(유지 경로)는 가비지 컬렉터가 객체를 메모리에서 해제하지 못하도록 계속 살아있게(live) 만드는 참조의 사슬(chain of references)을 의미합니다 [1, 2]. V8 엔진은 전역 객체나 활성 스택과 같은 GC 루트(GC root)로부터 포인터 사슬을 통해 도달할 수 있는 객체를 살아있는 것으로 판단합니다 [3]. 따라서 이 경로를 분석하는 것은 애플리케이션의 메모리 누수(memory leak) 원인을 식별하고 불필요한 참조를 제거하는 데 핵심적인 역할을 합니다 [4, 5]. - -## 📖 구조화된 지식 (Synthesized Content) -- **개념적 원리:** - 메모리 누수는 메모리에서 잃어버린 것이 아니라, 객체가 더 이상 사용되지 않음에도 불구하고 GC 루트(예: window, 활성 클로저, 이벤트 리스너, 타이머 등)로부터 계속 연결되어 있어 가비지 컬렉터가 이를 회수하지 못할 때 발생합니다 [1]. Retaining Path는 누수된 객체에서 시작하여 해당 객체를 붙잡고 있는 GC 루트까지 역방향으로 이어지는 참조 체인을 보여줍니다 [3, 5]. - -- **식별 및 분석 도구:** - - **Chrome DevTools (Memory 패널):** 힙 스냅샷(Heap snapshot)이나 할당 타임라인(Allocation timeline) 기능을 통해 객체가 생성된 위치와 해당 객체의 Retaining Path를 파악할 수 있습니다 [2, 6]. Retainers 패널은 선택된 객체를 가리키는 다른 객체들의 트리 구조를 보여줍니다 [4, 7]. - - **Retainer 숨기기 (Ignore this retainer):** 코드를 직접 수정하여 참조를 제거한 후 힙 스냅샷을 다시 찍는 수고를 덜기 위해, 특정 retainer를 우클릭하여 무시(Ignore)함으로써 다른 객체가 여전히 해당 객체를 유지하고 있는지 빠르게 확인할 수 있습니다 [8]. - - **`%DebugTrackRetainingPath(object)` 함수:** 극도로 복잡한 누수를 조사할 때는 V8 내부 함수를 활용할 수 있습니다 [3, 9]. `--allow-natives-syntax` 및 `--track-retaining-path` 플래그를 적용하여 실행하면, GC가 발생할 때마다 해당 객체의 실제 Retaining Path가 출력됩니다 [9]. 이 로그는 DevTools UI의 추상화를 우회하여 매우 낮은 수준(low-level)의 메모리 주소와 타입 정보를 제공합니다 [3]. - -- **디버깅 워크플로우:** - 메모리 누수 문제를 해결하려면 할당된 채 수집되지 않는 객체를 식별한 뒤, 해당 객체의 Retainer 트리를 클릭하여 GC 루트까지 이어지는 사슬을 추적해야 합니다 [5]. 이 경로를 자세히 검사하면 객체가 수집되지 않은 근본 원인을 이해할 수 있으며, 코드에서 불필요한 참조를 제거하는 정확한 수정이 가능해집니다 [4, 5]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[Memory Leak]], [[Garbage Collection]], [[GC Root]], [[Heap Snapshot]] -- **Projects/Contexts:** [[Chrome DevTools]], [[V8 JavaScript Engine]] -- **Contradictions/Notes:** 소스 내에 모순된 주장은 존재하지 않습니다. 제공된 자료들은 모두 메모리 누수를 추적하고 V8 엔진에서 객체가 유지되는 이유를 파악하는 데 있어 Retaining Path의 중요성을 일관되게 강조하고 있습니다. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/Retaining Path.md]] ---- diff --git a/AI/Retrograde-Games.md b/AI/Retrograde-Games.md deleted file mode 100644 index 004442ed..00000000 --- a/AI/Retrograde-Games.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-3F21E0 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Retrograde-Games" ---- - -# [[Retrograde-Games]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Retrograde-Games.md]] ---- diff --git a/AI/Reward Hacking (보상 해킹).md b/AI/Reward Hacking (보상 해킹).md deleted file mode 100644 index 0f3236b4..00000000 --- a/AI/Reward Hacking (보상 해킹).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-7F2CC8 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Reward Hacking (보상 해킹)" ---- - -# [[Reward Hacking (보상 해킹)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Reward Hacking (보상 해킹).md]] ---- diff --git a/AI/Reward Prediction Error.md b/AI/Reward Prediction Error.md deleted file mode 100644 index a8a92180..00000000 --- a/AI/Reward Prediction Error.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-08768A -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Reward Prediction Error" ---- - -# [[Reward Prediction Error]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Reward Prediction Error.md]] ---- diff --git a/AI/Risk Management in Finance.md b/AI/Risk Management in Finance.md deleted file mode 100644 index e8bf77fb..00000000 --- a/AI/Risk Management in Finance.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-5DD3BE -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Risk Management in Finance" ---- - -# [[Risk Management in Finance]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Risk Management in Finance.md]] ---- diff --git a/AI/Robotic Manipulation Control.md b/AI/Robotic Manipulation Control.md deleted file mode 100644 index d2cd6c09..00000000 --- a/AI/Robotic Manipulation Control.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-913A3C -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Robotic Manipulation Control" ---- - -# [[Robotic Manipulation Control]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Robotic Manipulation Control.md]] ---- diff --git a/AI/Robotic-Prosthetics-Control-Systems.md b/AI/Robotic-Prosthetics-Control-Systems.md deleted file mode 100644 index 880bea42..00000000 --- a/AI/Robotic-Prosthetics-Control-Systems.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-A360D1 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Robotic-Prosthetics-Control-Systems" ---- - -# [[Robotic-Prosthetics-Control-Systems]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Robotic-Prosthetics-Control-Systems.md]] ---- diff --git a/AI/Robustness (강건성).md b/AI/Robustness (강건성).md deleted file mode 100644 index 977d25e3..00000000 --- a/AI/Robustness (강건성).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-EB7908 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Robustness (강건성)" ---- - -# [[Robustness (강건성)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Robustness (강건성).md]] ---- diff --git a/AI/SAST (Static Application Security Testing).md b/AI/SAST (Static Application Security Testing).md deleted file mode 100644 index 7ef93731..00000000 --- a/AI/SAST (Static Application Security Testing).md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-SEC-SAST -category: "[[10_Wiki/💡 Topics/Security]]" -confidence_score: 0.99 -tags: [SAST, Security, SDLC, Code Analysis] -last_reinforced: 2026-04-20 ---- - -# [[SAST-(Static-Application-Security-Testing)]] (정적 보안 테스트) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "코드를 실행하기도 전에 구멍을 찾아라." 소프트웨어 개발 생명 주기(SDLC)의 가장 앞단(Shift-Left)에서 소스 코드를 스캔하여 보안 취약점을 조기에 격리하는 기술이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **White-box Testing**: - - 프로그램의 내부 구조와 소스 코드를 모두 알고 있는 상태에서 진행하는 분석. 데이터 흐름(Data Flow)과 제어 흐름(Control Flow)을 추적한다. -- **Vulnerability Coverage**: - - SQL Injection, Cross-Site Scripting(XSS), Buffer Overflow 등 잘 알려진 보안 패턴(OWASP Top 10 등)을 자동으로 감시한다. -- **Shift-Left Security**: - - 배포 후(DAST)가 아니라 코딩 시점(IDE 통합)에 피드백을 주어, 보안 수정 비용을 수십 배 이상 절감한다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- SAST의 가장 큰 적은 '오탐(False Positive)'이다. 실제로 안전하지만 위험하다고 경고하는 경우가 많아 개발자들의 피로도를 높인다. 이를 해결하기 위해 최근에는 AI가 오탐을 걸러주는 'AI-Driven SAST'가 주류로 자리 잡고 있다. - -## 🔗 지식 연결 (Graph) -- Related: [[Best-SAST-Tools-in-2026]] , [[Deployment_Final_Gate]] -- Foundation: [[Reliability_Safety_First]] diff --git a/AI/SAST (정적 애플리케이션 보안 테스트).md b/AI/SAST (정적 애플리케이션 보안 테스트).md deleted file mode 100644 index 23f8c11d..00000000 --- a/AI/SAST (정적 애플리케이션 보안 테스트).md +++ /dev/null @@ -1,40 +0,0 @@ ---- -id: P-REINFORCE-AUTO-4C10C5 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - SAST (정적 애플리케이션 보안 테스트)" ---- - -# [[SAST (정적 애플리케이션 보안 테스트)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> SAST(정적 애플리케이션 보안 테스트)는 애플리케이션을 실행하지 않고 소스 코드나 바이트코드 자체를 분석하여 잠재적인 보안 취약점을 찾아내는 화이트박스 테스트(White-box testing) 기법입니다 [1]. 소프트웨어 개발 수명 주기(SDLC)의 초기 단계에 통합되어 결함을 사전에 식별하고 조치함으로써 보안 문제를 빠르고 저렴하게 해결하는 '시프트 레프트(Shift-Left)' 접근법의 핵심입니다 [2-4]. 최근에는 전통적인 규칙 기반의 한계를 극복하기 위해 머신러닝과 LLM을 결합하여 코드의 문맥을 이해하고 오탐을 줄이는 AI 기반 SAST로 발전하고 있습니다 [5, 6]. - -## 📖 구조화된 지식 (Synthesized Content) -* **탐지 영역 및 작동 방식:** SAST는 코드가 실행되기 전 구문, 구조, 제어 및 데이터 흐름을 정적으로 분석합니다 [1, 7]. 이 검사를 통해 SQL 인젝션, 크로스 사이트 스크립팅(XSS), 하드코딩된 민감정보(비밀번호 및 API 키), 경로 탐색, 불충분한 입력 검증 등 다양한 보안 결함을 식별합니다 [2, 8, 9]. -* **주요 이점:** - * **빠르고 독립적인 분석:** 테스트 케이스를 설계하거나 애플리케이션을 실행할 필요가 없어 전체 코드베이스를 신속하게 스캔할 수 있습니다 [10]. - * **정확한 위치 안내:** 취약점이 발생한 소스 코드의 정확한 파일 및 줄 번호와 데이터 흐름을 짚어주어 개발자가 즉각적으로 문제를 파악하고 수정할 수 있도록 돕습니다 [10]. -* **전통적인 SAST의 한계점:** - * 애플리케이션 실행 런타임의 컨텍스트나 비즈니스 로직의 의도를 완벽히 이해하지 못하기 때문에 다수의 오탐(False Positives)과 미탐(False Negatives)을 발생시킵니다 [11]. - * 분석이 사용된 특정 프로그래밍 언어의 지원 여부에 크게 종속된다는 단점이 있습니다 [11]. -* **AI 네이티브(AI-native) SAST의 등장:** - * 기존의 단순 패턴 매칭 규칙을 넘어 머신러닝을 도입한 최신 SAST 엔진(예: Snyk Code의 DeepCode AI, Corgea 등)은 수백만 건의 실제 오픈소스 커밋과 수정 패턴을 학습하여 코드의 의미를 파악합니다 [6, 12, 13]. - * 여러 모듈이나 함수 경계를 넘어 데이터를 추적하는 파일 간 분석(Interfile analysis)이 가능해졌으며, 탐지된 취약점에 대해 AI가 자동 수정 코드(Auto-remediation)를 제안하고, 개발자에게 불필요한 경고를 줄여줍니다 [14-17]. -* **타 보안 테스트와의 연계:** SAST는 작동 중인 애플리케이션 외부에서 런타임 문제를 진단하는 DAST(동적 애플리케이션 보안 테스트), 서드파티 오픈소스 라이브러리의 취약점을 스캔하는 SCA(소프트웨어 구성 분석) 등과 함께 사용될 때 상호 보완적으로 전체 애플리케이션 보안을 극대화할 수 있습니다 [7, 18-20]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[DAST (동적 애플리케이션 보안 테스트)]], [[SCA (소프트웨어 구성 분석)]], [[시프트 레프트 (Shift-Left)]], [[오탐 (False Positive)]], [[코드 리뷰 (Code Review)]] -- **Projects/Contexts:** [[Snyk Code]], [[Corgea]], [[SonarQube]], [[소프트웨어 개발 수명 주기 (SDLC)]] -- **Contradictions/Notes:** 소스에 따르면 수동 코드 리뷰는 문맥과 비즈니스 로직, 아키텍처를 깊이 이해하지만 속도가 느리고 비용이 큰 반면, 자동화된 SAST 도구는 매우 빠르고 일관적이지만 코드의 의도를 파악하지 못해 오탐이 발생한다는 뚜렷한 대비가 있습니다 [21-23]. 이에 따라 2025년의 모범 사례는 SAST와 같은 자동화 스캔 도구로 코드 스타일과 일반적인 보안 결함을 1차적으로 걸러내고, 인간 검토자는 자동화가 놓치는 핵심 로직 및 크로스 서비스 영향도 평가에 집중하는 '하이브리드 코드 리뷰' 모델을 채택하는 것입니다 [21, 24, 25]. - ---- -*Last updated: 2026-04-18* -- Raw Source: [[00_Raw/2026-04-20/SAST (정적 애플리케이션 보안 테스트).md]] ---- diff --git a/AI/SAST (정적 애플리케이션 보안 테스팅).md b/AI/SAST (정적 애플리케이션 보안 테스팅).md deleted file mode 100644 index e8d599e6..00000000 --- a/AI/SAST (정적 애플리케이션 보안 테스팅).md +++ /dev/null @@ -1,37 +0,0 @@ ---- -id: P-REINFORCE-AUTO-8D39DE -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - SAST (정적 애플리케이션 보안 테스팅)" ---- - -# [[SAST (정적 애플리케이션 보안 테스팅)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> SAST(정적 애플리케이션 보안 테스팅)는 애플리케이션을 실행하지 않고 소스 코드나 바이트코드를 정적으로 분석하여 보안 취약점을 찾아내는 '화이트박스 테스팅' 기법입니다 [1, 2]. 개발 초기 단계(CI/CD 파이프라인이나 IDE)에 통합되어 취약점이 프로덕션 환경에 도달하기 전에 예방하는 Shift-Left 보안을 실현합니다 [3, 4]. 최근에는 규칙 기반 패턴 매칭의 한계를 넘어, 대형 언어 모델(LLM)과 기계 학습(ML)을 결합하여 문맥을 이해하고 자동으로 코드를 수정해주는 AI 기반 SAST로 진화하고 있습니다 [5-7]. - -## 📖 구조화된 지식 (Synthesized Content) -* **작동 방식 및 주요 탐지 영역:** - SAST 도구는 소스 코드를 파싱하여 구문 트리(Syntax Tree)를 구축한 후, 의미론(Semantic), 제어 흐름(Control flow), 데이터 흐름(Data flow), 구조적 분석 등을 적용하여 잠재적 문제를 탐지합니다 [8-10]. 이를 통해 인젝션 결함(SQL, NoSQL, Command 등), 크로스 사이트 스크립팅(XSS), 경로 탐색, 하드코딩된 자격 증명(비밀번호, API 키), 취약한 암호화, 메모리 관리 문제, 잘못 구성된 설정 등을 찾아냅니다 [1, 2, 11]. -* **SAST의 주요 장점:** - SAST는 코드를 실행하거나 별도의 테스트 케이스를 작성할 필요가 없으며, 개발자가 코드를 작성하는 즉시 실시간(Real-time)으로 매우 빠르게 스캔할 수 있습니다 [12, 13]. 문제가 있는 코드의 정확한 위치와 데이터 흐름을 짚어주기 때문에 취약점을 조기에 수정할 수 있어 시간과 비용을 크게 절약합니다 [13, 14]. -* **기존 SAST의 한계점:** - 기존 SAST 도구들은 실행 런타임의 컨텍스트나 비즈니스 로직의 의도를 온전히 파악하지 못해 오탐지(False Positive)를 많이 발생시키며(일부 레거시 도구의 경우 50~80%), 이로 인해 개발자가 알림 피로도(Alert fatigue)를 느끼게 됩니다 [15, 16]. 또한, 특정 프로그래밍 언어에 대한 의존성이 강하며, 프론트엔드와 백엔드를 오가는 복잡한 데이터 흐름을 완벽히 쫓아가지 못하는 한계가 있습니다 [9, 16]. -* **AI 기반 SAST의 등장:** - 최근의 SAST는 단순한 정적 패턴 매칭을 넘어 LLM 등 AI 엔진을 도입하여 맥락을 이해하는 방향으로 발전하고 있습니다 [3, 5]. AI 기반 SAST(예: Corgea, Snyk Code 등)는 규칙만으로는 표현할 수 없는 복잡한 비즈니스 로직의 결함을 탐지하고, 오탐을 크게 줄여줍니다 [6, 7, 17]. 나아가 식별된 문제에 대해 실행 가능한 코드 패치(Auto-fix)를 자동으로 제안하고 검증하는 기능까지 제공합니다 [5, 18]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[DAST (동적 애플리케이션 보안 테스팅)]], [[SCA (소프트웨어 구성 분석)]], [[AI-powered SAST]], [[수동 코드 리뷰 (Manual Code Review)]] -- **Projects/Contexts:** [[Shift-Left 보안]], [[CI/CD 및 IDE 통합]], [[OWASP Top 10]] -- **Contradictions/Notes:** 자동화된 SAST는 매우 빠르고 일관되게 코드를 검사하지만 비즈니스 로직과 의도를 파악하는 데는 맹점이 존재하므로(Context Blindness), 런타임 환경을 분석하는 DAST 또는 설계와 맥락을 깊이 이해하는 수동 코드 리뷰(Manual Review)와 결합된 하이브리드 접근 방식이 권장됩니다 [15, 19, 20]. - ---- -*Last updated: 2026-04-18* -- Raw Source: [[00_Raw/2026-04-20/SAST (정적 애플리케이션 보안 테스팅).md]] ---- diff --git a/AI/SAST.md b/AI/SAST.md deleted file mode 100644 index 611fd4cd..00000000 --- a/AI/SAST.md +++ /dev/null @@ -1,30 +0,0 @@ ---- -id: P-REINFORCE-AUTO-205541 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - SAST" ---- - -# [[SAST]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> SAST(Static Application Security Testing, 정적 애플리케이션 보안 테스트)는 애플리케이션을 실행하지 않고 소스 코드, 바이트코드 또는 바이너리를 정적으로 분석하여 보안 취약점을 찾아내는 화이트박스 테스트 기법입니다 [1-3]. 개발 초기 단계인 IDE나 CI/CD 파이프라인에 통합되어 결함을 사전에 해결하는 '시프트 레프트(Shift-left)' 보안 접근법의 핵심적인 역할을 수행합니다 [4-7]. 최근에는 높은 오탐률(False Positive)과 문맥 파악의 한계를 극복하기 위해 머신러닝(ML)과 대규모 언어 모델(LLM)을 결합한 AI 기반 SAST로 진화하여 더욱 정확한 탐지와 자동 수정(Auto-fix) 기능을 제공하고 있습니다 [8-10]. - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[DAST]], [[SCA]], [[IAST]], [[Shift-Left]], [[False Positives]] -- **Projects/Contexts:** [[CI/CD Pipeline Integration]], [[Snyk Code]], [[Corgea]], [[Checkmarx]], [[SonarQube]] -- **Contradictions/Notes:** 자동화된 SAST 도구는 코드 기반의 패턴 매칭에 빠르고 일관되지만, 복잡한 비즈니스 로직과 아키텍처 트레이드오프를 이해하지 못하므로, 완벽한 보안과 코드 품질 확보를 위해서는 인간 개발자가 직접 수행하는 수동 코드 리뷰(Manual Code Review)를 반드시 병행해야 한다고 강조됩니다 [16, 26-28]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/SAST.md]] ---- diff --git a/AI/SDLC (소프트웨어 개발 수명 주기).md b/AI/SDLC (소프트웨어 개발 수명 주기).md deleted file mode 100644 index 9e5af0ed..00000000 --- a/AI/SDLC (소프트웨어 개발 수명 주기).md +++ /dev/null @@ -1,33 +0,0 @@ ---- -id: P-REINFORCE-AUTO-9A0FE1 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - SDLC (소프트웨어 개발 수명 주기)" ---- - -# [[SDLC (소프트웨어 개발 수명 주기)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> SDLC(소프트웨어 개발 수명 주기)는 소프트웨어를 개발하고 유지보수하기 위해 조직에서 사용하는 전체 프로세스입니다 [1, 2]. 현대의 SDLC는 코드 생성 및 디버깅을 돕는 AI 도구들이 필수적으로 통합되고 있으며, 이에 따라 초기 단계부터 보안 및 품질 검증을 수행하는 것이 매우 중요해졌습니다 [2, 3]. 특히 정적 분석(SAST) 및 자동화된 코드 리뷰 도구를 SDLC 전반에 통합하여 취약점과 결함을 조기에 발견하고 안전한 코드를 대규모로 배포하는 데 중점을 둡니다 [1, 4]. - -## 📖 구조화된 지식 (Synthesized Content) -- **보안의 조기 통합 (Shift-Left):** SDLC의 초기 단계부터 정적 애플리케이션 보안 테스트(SAST) 및 실시간 코드 검사를 통합하면, 보안 취약점, 유지보수성 문제 및 논리적 결함을 배포 전에 미리 발견할 수 있습니다 [1, 3]. SDLC 초기에 스캔을 시작하여 기준선을 설정하고, 이후 각 단계에 걸쳐 코드를 자주 스캔함으로써 새롭게 발생하는 보안 문제를 지속적으로 포착해야 합니다 [5]. -- **SDLC 거버넌스와 품질 게이트 (Quality Gates):** SDLC 전반에 걸쳐 동기화된 품질 게이트(Quality Gates)를 적용하면 조직이 대규모 환경에서도 일관된 고품질의 안전한 코드를 제공할 수 있습니다 [4]. 또한 SDLC 거버넌스는 AI가 생성한 코드와 인간 개발자의 표준을 일치시키고, 보안 및 규정 준수를 자동화하는 데 핵심적인 역할을 합니다 [6, 7]. -- **AI 도구의 도입 및 위험 관리:** GitHub Copilot이나 ChatGPT 같은 AI 도구들은 SDLC에서 빼놓을 수 없는 필수 요소로 자리 잡으며 생산성을 높이고 있습니다 [2]. 그러나 이러한 강력한 도구의 통제되지 않은 사용은 지적 재산 유출이나 코드 품질 저하 등의 보안 취약점을 유발할 수 있으므로, SDLC 내에서 안전하게 AI를 활용하기 위한 명확한 사용 정책과 보안 도구의 결합이 요구됩니다 [2, 8]. -- **보안 소프트웨어 개발 수명 주기 (SSDLC):** 개발 프로세스의 모든 단계(코드 리뷰, 병합 방식, 브랜칭 정책, 보안 코딩 가이드라인 등)에 보안을 내재화하여 SSDLC(안전한 소프트웨어 개발 수명 주기) 또는 DevSecOps 환경을 구축하는 것이 현대 소프트웨어 개발의 모범 사례로 권장됩니다 [3, 8, 9]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[SAST (정적 애플리케이션 보안 테스트)]], [[Quality Gates (품질 게이트)]], [[SSDLC (안전한 소프트웨어 개발 수명 주기)]], [[AI Code Review (AI 코드 리뷰)]] -- **Projects/Contexts:** [[SonarQube]], [[Snyk]], [[GitHub Code Security]] -- **Contradictions/Notes:** 소스에 따르면 SDLC에 AI 도구가 빠르게 도입되어 생산성이 혁신적으로 향상되고 있으나, 이를 뒷받침할 적절한 거버넌스와 보안 정책(SAST 도구 검사 등)이 동반되지 않을 경우 오히려 심각한 보안 취약점과 기술 부채의 증가를 초래할 수 있다고 경고합니다 [2]. - ---- -*Last updated: 2026-04-18* -- Raw Source: [[00_Raw/2026-04-20/SDLC (소프트웨어 개발 수명 주기).md]] ---- diff --git a/AI/SFT (Supervised Fine-Tuning).md b/AI/SFT (Supervised Fine-Tuning).md deleted file mode 100644 index befa3546..00000000 --- a/AI/SFT (Supervised Fine-Tuning).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-ACC5DA -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - SFT (Supervised Fine-Tuning)" ---- - -# [[SFT (Supervised Fine-Tuning)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/SFT (Supervised Fine-Tuning).md]] ---- diff --git a/AI/SHACL (Shapes Constraint Language).md b/AI/SHACL (Shapes Constraint Language).md deleted file mode 100644 index 4b9b4087..00000000 --- a/AI/SHACL (Shapes Constraint Language).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-B7C59C -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - SHACL (Shapes Constraint Language)" ---- - -# [[SHACL (Shapes Constraint Language)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/SHACL (Shapes Constraint Language).md]] ---- diff --git a/AI/STEM Laboratory Virtualization.md b/AI/STEM Laboratory Virtualization.md deleted file mode 100644 index 24c6090f..00000000 --- a/AI/STEM Laboratory Virtualization.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-E8F7C8 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - STEM Laboratory Virtualization" ---- - -# [[STEM Laboratory Virtualization]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/STEM Laboratory Virtualization.md]] ---- diff --git a/AI/Scaffolding (Instructional Technique).md b/AI/Scaffolding (Instructional Technique).md deleted file mode 100644 index fee5e97f..00000000 --- a/AI/Scaffolding (Instructional Technique).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-B407CA -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Scaffolding (Instructional Technique)" ---- - -# [[Scaffolding (Instructional Technique)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Scaffolding (Instructional Technique).md]] ---- diff --git a/AI/Scheduling-and-Timetabling.md b/AI/Scheduling-and-Timetabling.md deleted file mode 100644 index 3c2d8903..00000000 --- a/AI/Scheduling-and-Timetabling.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-FEBDAB -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Scheduling-and-Timetabling" ---- - -# [[Scheduling-and-Timetabling]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Scheduling-and-Timetabling.md]] ---- diff --git a/AI/Section-508-Compliance.md b/AI/Section-508-Compliance.md deleted file mode 100644 index e6c1c5cd..00000000 --- a/AI/Section-508-Compliance.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-A56544 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Section-508-Compliance" ---- - -# [[Section-508-Compliance]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Section-508-Compliance.md]] ---- diff --git a/AI/Security-Governance.md b/AI/Security-Governance.md deleted file mode 100644 index 0e42f4ee..00000000 --- a/AI/Security-Governance.md +++ /dev/null @@ -1,27 +0,0 @@ ---- -id: P-REINFORCE-SEC-GOV -category: "[[10_Wiki/💡 Topics/Security]]" -confidence_score: 0.98 -tags: [Security Governance, Policy, Risk Management, Compliance] -last_reinforced: 2026-04-20 ---- - -# [[Security-Governance]] (보안 거버넌스) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> "보안은 기술의 문제가 아니라 의사결정의 제도 모델이다." 조직 전체의 위험(Risk)을 관리하고, 보안이 사업의 영속성을 보장하도록 설계된 최고 의사결정 체계다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Risk Assessment Framework**: - - 우리 자산 중 무엇이 가장 소중한지 파악하고, 위협 발생 시의 파급력(Impact)과 가능성(Likelihood)을 정량적으로 산출한다. -- **Roles and Responsibilities (R&R)**: - - CISO(정보보호최고책임자)부터 현업 개발자까지 각자가 져야 할 보안적 책임을 명확히 정의한다. -- **Identity and Access Management (IAM)**: - - "최소 권한의 원칙(Least Privilege)". 누구에게 어떤 파일에 대한 접근권을 줄지 엄격히 통제하는 거버넌스의 최전선이다. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 거버넌스가 너무 엄격하면 생산성을 파괴한다. 현대의 '자율적 거버넌스'는 개발자의 창의성을 억누르는 금지 조항이 아니라, 안전하게 개발할 수 있는 '안전 가이드라인'과 셀프 서비스 도구를 제공하는 방향으로 진화하고 있다. - -## 🔗 지식 연결 (Graph) -- Related: [[Collaboration_Governance]] , [[Deployment_Final_Gate]] -- Foundation: [[Reliability_Safety_First]] diff --git a/AI/Segmentsai.md b/AI/Segmentsai.md deleted file mode 100644 index 0866f322..00000000 --- a/AI/Segmentsai.md +++ /dev/null @@ -1,33 +0,0 @@ ---- -id: P-REINFORCE-AUTO-A08DC7 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Segmentsai" ---- - -# [[Segmentsai]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> Segments.ai는 수백만 개의 3D 포인트와 원활하게 상호작용할 수 있는 기능을 제공하는 3D 분할(segmentation) 플랫폼이자 라이다(LiDAR) 포인트 클라우드 라벨링 도구입니다 [1, 2]. 2025년에서 2026년 사이에 렌더링 파이프라인을 WebGL에서 WebGPU로 성공적으로 전환하여 100배의 성능 향상을 달성했습니다 [1, 3]. 이 플랫폼은 깊은 그래픽스 전문 지식 없이도 Three.js를 활용하여 특화된 성능 최적화를 구현한 대표적인 사례입니다 [2]. - -## 📖 구조화된 지식 (Synthesized Content) -* **라이다(LiDAR) 포인트 클라우드 라벨링 도구:** Segments.ai는 방대한 3D 포인트 클라우드 데이터를 처리하고 라벨링하는 도구를 제공하는 3D 분할 플랫폼입니다 [1]. -* **WebGPU로의 성공적인 마이그레이션:** 2025년과 2026년 사이에 기존의 WebGL 기반 시스템에서 Three.js의 WebGPURenderer를 사용하는 WebGPU 환경으로 성공적으로 마이그레이션했습니다 [1, 2]. 이 프로젝트는 크리에이티브 스튜디오인 Utsubo의 작업 포트폴리오에도 주요 성과로 포함되어 있습니다 [3]. -* **100배의 성능 향상(100x performance boost):** WebGPU로의 전환을 통해 기존 대비 100배에 달하는 극적인 성능 향상을 이뤄냈습니다 [1-3]. -* **대규모 데이터 처리의 효율성 확보:** 이러한 렌더링 성능 개선 덕분에 수백만 개의 점으로 구성된 방대한 데이터셋에서도 끊김 없이 부드럽고 원활한 상호작용(seamless interaction)이 가능해졌습니다 [1, 2]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[WebGPU]], [[Three.js]], [[WebGL]], [[LiDAR point cloud]] -- **Projects/Contexts:** [[Utsubo]], [[Three.js WebGPU 마이그레이션 사례]] -- **Contradictions/Notes:** 소스에 관련하여 모순되는 정보는 없습니다. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/Segments.ai.md]] ---- diff --git a/AI/Self-Consistency (자기 일관성 디코딩).md b/AI/Self-Consistency (자기 일관성 디코딩).md deleted file mode 100644 index 1cbae5eb..00000000 --- a/AI/Self-Consistency (자기 일관성 디코딩).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-E25B8B -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Self-Consistency (자기 일관성 디코딩)" ---- - -# [[Self-Consistency (자기 일관성 디코딩)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Self-Consistency (자기 일관성 디코딩).md]] ---- diff --git a/AI/Self-Organized Criticality.md b/AI/Self-Organized Criticality.md deleted file mode 100644 index 69cb80dd..00000000 --- a/AI/Self-Organized Criticality.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-01E518 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Self-Organized Criticality" ---- - -# [[Self-Organized Criticality]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Self-Organized Criticality.md]] ---- diff --git a/AI/Self-Play (자기 대결 기반 강화학습).md b/AI/Self-Play (자기 대결 기반 강화학습).md deleted file mode 100644 index c72008ba..00000000 --- a/AI/Self-Play (자기 대결 기반 강화학습).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-4CE048 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Self-Play (자기 대결 기반 강화학습)" ---- - -# [[Self-Play (자기 대결 기반 강화학습)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Self-Play (자기 대결 기반 강화학습).md]] ---- diff --git a/AI/Self-Regulation.md b/AI/Self-Regulation.md deleted file mode 100644 index 76a415f7..00000000 --- a/AI/Self-Regulation.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-70F3AC -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Self-Regulation" ---- - -# [[Self-Regulation]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Self-Regulation.md]] ---- diff --git a/AI/Semantic Grounding Provenance.md b/AI/Semantic Grounding Provenance.md deleted file mode 100644 index c5febfd4..00000000 --- a/AI/Semantic Grounding Provenance.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-479D8D -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Semantic Grounding Provenance" ---- - -# [[Semantic Grounding Provenance]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Semantic Grounding & Provenance.md]] ---- diff --git a/AI/Semgrep Assistant.md b/AI/Semgrep Assistant.md deleted file mode 100644 index 777c4e9f..00000000 --- a/AI/Semgrep Assistant.md +++ /dev/null @@ -1,41 +0,0 @@ ---- -id: P-REINFORCE-AUTO-484EAB -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Semgrep Assistant" ---- - -# [[Semgrep Assistant]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> Semgrep Assistant는 빠른 패턴 매칭 기반의 정적 분석 도구인 Semgrep에 대형 언어 모델(LLM)을 결합하여 코드 리뷰 및 보안 분석을 고도화한 솔루션입니다. 이 도구는 노이즈 필터링, 취약점 결과 설명, 그리고 Pull Request(PR) 워크플로우 내에서의 자동 수정(autofix) 제안 등의 AI 기반 기능을 제공합니다. 과거의 트리아지(triage) 결정을 재사용하고 상황적 맥락(context)을 이해함으로써 오탐지(False Positives)를 대폭 줄여주며, 결과적으로 보안 엔지니어와 개발 플랫폼 팀의 분석 병목 현상을 해소하는 데 적합합니다. - -## 📖 구조화된 지식 (Synthesized Content) -**주요 기능 및 AI 활용 방식** -* **노이즈 필터링 (Noise Filtering):** 완화 가능한 컨텍스트(mitigating context)를 파악하여 가능성이 높은 오탐지(False Positives)를 억제합니다. Semgrep 측에 따르면 해당 기능을 켜는 당일에 20%의 노이즈가 감소하며, 최대 98%까지 오탐지를 필터링할 수 있습니다. -* **메모리(Memories) 및 자동 트리아지:** 사용자의 과거 트리아지(triage) 결정 사항을 기억하고 재사용하여 동일한 분석 작업을 반복하지 않도록 방지합니다. -* **개발자 친화적인 PR 중심 워크플로우:** 발견된 보안 이슈에 대한 설명과 수정(remediation) 가이드가 개발자가 실제 작업하는 Pull Request 내에 직접 표시되어 신속한 문제 해결을 돕습니다. - -**주요 강점 (Key Strengths)** -* **오픈소스 생태계와 속도:** 강력한 커뮤니티 룰(rule) 라이브러리를 보유한 오픈소스 기반 도구로, CI 스캔 시간이 중간값 기준 약 10초에 불과할 정도로 매우 빠르고 오버헤드가 적습니다. -* **높은 정확성 입증:** 보안 중심의 구성(security-focused configuration) 하에서 진행된 독립적인 테스트(Doyensec) 결과, OWASP 벤치마크에서 오탐지 0건을 기록하며 정확성을 입증했습니다. - -**잠재적 한계점 (Potential Limitations)** -* **기능 지원의 제한:** 커스텀 룰이나 커뮤니티 룰에서는 Assistant의 일부 기능이 작동하지 않을 수 있습니다. -* **베타 기능 및 구조적 한계:** 핵심 기능 중 하나인 노이즈 필터링이 여전히 '베타(beta)'로 명시되어 있어 대규모 도입 시 주의가 필요합니다. 또한 기반 기술이 '패턴 매칭'에 의존하기 때문에, 복잡한 비즈니스 로직이나 교차 파일(cross-file) 간의 데이터 흐름 문제를 탐지하는 데는 근본적인 한계가 존재합니다. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[Static Application Security Testing (SAST)]], [[False Positive]], [[Pull Request (PR)]], [[LLM (Large Language Model)]] -- **Projects/Contexts:** [[DevSecOps Workflow]], [[AppSec (Application Security)]] -- **Contradictions/Notes:** 소스 분석에 따르면 Semgrep Assistant는 독립된 테스트에서 OWASP 벤치마크 기준 오탐지(False Positives) 제로(0)를 기록할 만큼 강력한 신호(signal)를 제공하지만, 동시에 AI 기반의 노이즈 필터링 기능은 공식적으로 '베타(beta)' 상태이므로 엔터프라이즈 규모로 운영 시 이를 인지하고 적용해야 한다는 상충되는 주의 사항이 존재합니다. - ---- -*Last updated: 2026-04-18* -- Raw Source: [[00_Raw/2026-04-20/Semgrep Assistant.md]] ---- diff --git a/AI/Serious Games.md b/AI/Serious Games.md deleted file mode 100644 index 982269ee..00000000 --- a/AI/Serious Games.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-4A3ECC -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Serious Games" ---- - -# [[Serious Games]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Serious Games.md]] ---- diff --git a/AI/Service-Design-Blueprinting.md b/AI/Service-Design-Blueprinting.md deleted file mode 100644 index 8c277099..00000000 --- a/AI/Service-Design-Blueprinting.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-07A1AA -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Service-Design-Blueprinting" ---- - -# [[Service-Design-Blueprinting]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Service-Design-Blueprinting.md]] ---- diff --git a/AI/Shannon-Entropy.md b/AI/Shannon-Entropy.md deleted file mode 100644 index 45f65bc6..00000000 --- a/AI/Shannon-Entropy.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-2A9F66 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Shannon-Entropy" ---- - -# [[Shannon-Entropy]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Shannon-Entropy.md]] ---- diff --git a/AI/SimCity (as a model of systemic interaction).md b/AI/SimCity (as a model of systemic interaction).md deleted file mode 100644 index 8bdfa7d4..00000000 --- a/AI/SimCity (as a model of systemic interaction).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-10C76A -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - SimCity (as a model of systemic interaction)" ---- - -# [[SimCity (as a model of systemic interaction)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/SimCity (as a model of systemic interaction).md]] ---- diff --git a/AI/Simulated History.md b/AI/Simulated History.md deleted file mode 100644 index cec80aef..00000000 --- a/AI/Simulated History.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-DEC9B0 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Simulated History" ---- - -# [[Simulated History]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Simulated History.md]] ---- diff --git a/AI/Simulator Sickness Questionnaire (SSQ).md b/AI/Simulator Sickness Questionnaire (SSQ).md deleted file mode 100644 index 6a3fef07..00000000 --- a/AI/Simulator Sickness Questionnaire (SSQ).md +++ /dev/null @@ -1,36 +0,0 @@ ---- -id: P-REINFORCE-AUTO-73720A -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Simulator Sickness Questionnaire (SSQ)" ---- - -# [[Simulator Sickness Questionnaire (SSQ)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 시뮬레이터 멀미 설문지(Simulator Sickness Questionnaire, SSQ)는 가상현실(VR) 및 시뮬레이터 연구에서 가상현실 멀미 증상을 자가 보고 방식으로 측정하기 위해 가장 널리 사용되는 도구입니다 [1]. 16개의 증상 목록을 바탕으로 0(없음)에서 3(심각함)까지의 4점 척도로 평가하며, 측정된 증상은 크게 메스꺼움, 안구 운동, 방향 감각 상실의 세 가지 하위 범주로 분류됩니다 [1]. - -## 📖 구조화된 지식 (Synthesized Content) -- **구조 및 척도:** SSQ는 16개의 증상 항목으로 구성된 인벤토리로, 사용자는 각 증상의 심각도를 0점(없음)부터 3점(심각함)까지의 4점 척도로 평가합니다 [1]. -- **증상 하위 척도(Subscales):** 증상 클러스터는 3가지 범주로 나뉘며, 일부 증상은 다른 하위 척도와 중복되어 포함됩니다 [1]. - - **메스꺼움(Nausea):** 타액 분비 증가, 트림, 위장 자극(stomach awareness) 등 위장 불편감과 관련된 7가지 증상 [1]. - - **안구 운동(Oculomotor):** 눈의 피로, 피로감, 초점 맞추기 등과 관련된 7가지 증상 [1]. - - **방향 감각 상실(Disorientation):** 현기증 및 현훈(vertigo)과 관련된 7가지 증상 [1]. -- **점수 산출 및 분류:** 원시 점수(Raw scores)는 총점과 각 하위 척도 점수를 계산하기 위해 서로 다른 가중치가 적용됩니다 [1]. 가중치가 적용된 SSQ 점수는 멀미 수준에 따라 '낮음(0-10)', '중간(10 초과-20)', '높음(20 초과)'의 3단계로 분류될 수 있습니다 [2]. 특히, 총점이 20점을 초과할 경우 해당 시뮬레이터는 문제가 있는(problem simulator) 것으로 간주됩니다 [3]. -- **활용 및 연구 결과:** VR 게임 및 시뮬레이션 경험이 사용자에게 미치는 부작용을 연구할 때 주로 사용됩니다 [1]. 예를 들어, 신체 활동을 동반하는 VR 게임 연구에서는 노출 직후 SSQ 총점과 하위 척도 점수가 모두 크게 증가하는 것으로 나타났습니다 [4, 5]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[Virtual Reality Sickness]], [[Nausea]], [[Oculomotor]], [[Disorientation]] -- **Projects/Contexts:** [[Beat Saber Exergaming Study]] -- **Contradictions/Notes:** 연구에 따르면 SSQ 점수가 20점 이상일 경우 문제가 있는 시뮬레이터로 판단하지만, 이러한 높은 SSQ 점수가 사용자의 실제 일상생활 수행 능력 저하와 어떻게 연결되는지에 대해서는 아직 명확히 밝혀지지 않았으며 이는 향후 VR의 안전한 사용을 위해 해결해야 할 지식의 공백으로 남아있습니다 [3]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/Simulator Sickness Questionnaire (SSQ).md]] ---- diff --git a/AI/Single-Source-of-Truth.md b/AI/Single-Source-of-Truth.md deleted file mode 100644 index 713f6863..00000000 --- a/AI/Single-Source-of-Truth.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-9158CA -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Single-Source-of-Truth" ---- - -# [[Single-Source-of-Truth]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Single-Source-of-Truth.md]] ---- diff --git a/AI/Singularity (기술적 특이점).md b/AI/Singularity (기술적 특이점).md deleted file mode 100644 index ed90d836..00000000 --- a/AI/Singularity (기술적 특이점).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-04DB11 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Singularity (기술적 특이점)" ---- - -# [[Singularity (기술적 특이점)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Singularity (기술적 특이점).md]] ---- diff --git a/AI/Skybound Protocol 구조 및 의존성 분석 (Dependency Mapping).md b/AI/Skybound Protocol 구조 및 의존성 분석 (Dependency Mapping).md deleted file mode 100644 index 006cd5f6..00000000 --- a/AI/Skybound Protocol 구조 및 의존성 분석 (Dependency Mapping).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-A04161 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Skybound Protocol 구조 및 의존성 분석 (Dependency Mapping)" ---- - -# [[Skybound Protocol 구조 및 의존성 분석 (Dependency Mapping)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Skybound Protocol 구조 및 의존성 분석 (Dependency Mapping).md]] ---- diff --git a/AI/Skybound Protocol 데이터 및 제어 흐름 (Control Flow).md b/AI/Skybound Protocol 데이터 및 제어 흐름 (Control Flow).md deleted file mode 100644 index 3ddfbb82..00000000 --- a/AI/Skybound Protocol 데이터 및 제어 흐름 (Control Flow).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-1B8F72 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Skybound Protocol 데이터 및 제어 흐름 (Control Flow)" ---- - -# [[Skybound Protocol 데이터 및 제어 흐름 (Control Flow)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Skybound Protocol 데이터 및 제어 흐름 (Control Flow).md]] ---- diff --git a/AI/Skybound Protocol 코드리뷰.md b/AI/Skybound Protocol 코드리뷰.md deleted file mode 100644 index 60250a11..00000000 --- a/AI/Skybound Protocol 코드리뷰.md +++ /dev/null @@ -1,37 +0,0 @@ ---- -id: P-REINFORCE-AUTO-274080 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Skybound Protocol 코드리뷰" ---- - -# [[Skybound Protocol 코드리뷰]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> **Skybound Protocol**은 React와 TypeScript로 구현된 고성능 아카이브 스타일 슈팅 게임 엔진입니다. "Code-as-Data" 원칙에 따라 모든 게임 밸런스와 AI 행동 양식을 상수화하여 관리하며, 수만 개의 파티클과 복잡한 탄막 패턴을 웹 브라우저에서 60FPS로 유지하도록 최적화되어 있습니다. - -## 📖 구조화된 지식 (Synthesized Content) - - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[React Game Development]], [[Entity Component System (ECS)]], [[Canvas Physics]], [[Data-Driven Design]] -- **Projects/Contexts:** [[Antigravity Games]], [[Technical Bible Project]] -- **Contradictions/Notes:** - - **연산 최적화:** 현재 모든 거리 계산에 `Math.hypot`을 사용 중이나, 개체가 수천 개로 늘어날 경우 제곱근 연산 부하를 줄이기 위해 제곱 거리 비교(`dx*dx + dy*dy`) 방식 도입이 필요할 수 있습니다. - - **상태 관리:** React 환경임에도 불구하고 실시간 성능을 위해 가변(Mutable) 객체와 `ctx`를 통한 직접 수정을 혼용하고 있습니다. - ---- - -*Last updated: 2026-04-14* - ---- - -# 🕵️ Skybound Protocol 코드 리뷰 리포트 -- Raw Source: [[00_Raw/2026-04-20/Skybound Protocol 코드리뷰.md]] ---- diff --git a/AI/Snyk Checkmarx Endor Labs 등 종합 애플리케이션 보안 플랫폼.md b/AI/Snyk Checkmarx Endor Labs 등 종합 애플리케이션 보안 플랫폼.md deleted file mode 100644 index b6ccdec2..00000000 --- a/AI/Snyk Checkmarx Endor Labs 등 종합 애플리케이션 보안 플랫폼.md +++ /dev/null @@ -1,33 +0,0 @@ ---- -id: P-REINFORCE-AUTO-1D1222 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Snyk Checkmarx Endor Labs 등 종합 애플리케이션 보안 플랫폼" ---- - -# [[Snyk Checkmarx Endor Labs 등 종합 애플리케이션 보안 플랫폼]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> Snyk, Checkmarx, Endor Labs 등은 소프트웨어 개발 수명 주기(SDLC) 전반에 걸쳐 코드의 취약점을 탐지하고 수정을 지원하는 종합 애플리케이션 보안 플랫폼입니다 [1-4]. 이들 플랫폼은 정적 애플리케이션 보안 테스트(SAST), 소프트웨어 구성 분석(SCA), 컨테이너 및 IaC(코드형 인프라) 스캔 등 다양한 보안 영역을 제공하며, '시프트 레프트(Shift-Left)' 전략을 통해 개발 초기 단계에서 보안 이슈를 해결하도록 돕습니다 [2, 3, 5, 6]. 최근에는 인공지능(AI)과 머신러닝 기술을 결합하여 오탐율을 줄이고 실시간 자동 수정 제안을 제공하는 형태로 고도화되고 있습니다 [7, 8]. - -## 📖 구조화된 지식 (Synthesized Content) -- **Snyk (Snyk Code 및 플랫폼군)**: 개발자 친화적인(Developer-first) 플랫폼을 지향하며, 자체 머신러닝 엔진인 DeepCode AI를 통해 빠르고 정확한 SAST 스캔(Snyk Code)을 제공합니다 [4, 6]. IDE, PR(Pull Request), CI/CD 파이프라인 워크플로우에 완벽히 통합되며, Snyk Open Source(SCA), Snyk Container, Snyk IaC 제품들과 결합하여 단일 대시보드에서 포괄적인 보안 가시성을 제공합니다 [6, 9, 10]. AI가 생성한 수정 사항을 자동으로 재테스트하여 검증하는 Agent Fix 기능이 특징입니다 [6, 11]. -- **Checkmarx**: 대규모 엔터프라이즈 환경과 복잡한 거버넌스를 지닌 조직에 적합한 플랫폼입니다 [11, 12]. SAST를 핵심으로 하여 SCA, 비밀키(Secrets), IaC 스캔을 지원하며, 최신 AI Query Builder를 도입하여 자연어로 탐지 로직을 커스터마이징할 수 있습니다 [2]. IDE 내에서 코드를 수정해주는 에이전트 기반의 'Developer Assist' 기능을 통해 AI 지원 문제 해결(AI-assisted remediation)을 제공합니다 [2]. -- **Endor Labs**: 소프트웨어 구성 분석(SCA) 배경에서 출발해 SAST 영역으로 확장한 플랫폼으로, '도달 가능성(Reachability) 분석'에 독보적인 강점을 가집니다 [3, 11]. 서드파티 의존성 패키지와 자사 코드의 취약점이 실제 프로덕션의 함수 실행 경로(Call-graph)에서 호출되는지를 분석하여, SAST와 SCA 발견 항목을 통합된 단일 위험 뷰로 제공함으로써 개발자의 경고 피로(Alert fatigue)를 크게 줄여줍니다 [3, 13, 14]. -- **AI 기반 탐지 및 수정 자동화**: 기존의 단순 규칙 및 패턴 매칭 기반 도구의 한계(비즈니스 로직 이해 부족 및 높은 오탐률)를 극복하기 위해, 이들 플랫폼은 AI-Native 구조를 채택하여 코드의 문맥과 데이터 흐름(Data flow)을 심층 분석하고, 취약점의 우선순위를 평가하여 개발자에게 실행 가능한(Actionable) 패치 코드를 즉시 제안합니다 [2, 6-8, 15]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[Static Application Security Testing (SAST)]], [[Software Composition Analysis (SCA)]], [[DevSecOps]] -- **Projects/Contexts:** [[Shift-Left Security]], [[Reachability Analysis]], [[AI-powered Remediation]] -- **Contradictions/Notes:** 소스에 따르면 각 플랫폼은 명확한 타겟층과 상충되는 트레이드오프를 가집니다. Checkmarx는 엔터프라이즈 수준의 맞춤 설정과 거버넌스에 강력하지만 소규모 팀에게는 무거울 수 있습니다 [12]. 반면 Snyk은 빠른 IDE 통합과 채택률로 개발자 경험에 탁월하지만, 언어 지원 범위가 타 엔터프라이즈 벤더보다 다소 좁을 수 있습니다 [16, 17]. 또한, Endor Labs는 강력한 도달 가능성 분석을 자랑하지만 전용 SAST 도구에 비해 SAST 룰 커버리지나 언어 지원 확장이 아직 진행 중이라는 한계가 있습니다 [13]. - ---- -*Last updated: 2026-04-18* -- Raw Source: [[00_Raw/2026-04-20/Snyk, Checkmarx, Endor Labs 등 종합 애플리케이션 보안 플랫폼.md]] ---- diff --git a/AI/Social Constructivism.md b/AI/Social Constructivism.md deleted file mode 100644 index dd0b1ebc..00000000 --- a/AI/Social Constructivism.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-A416E7 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Social Constructivism" ---- - -# [[Social Constructivism]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Social Constructivism.md]] ---- diff --git a/AI/Social Systems Theory.md b/AI/Social Systems Theory.md deleted file mode 100644 index 88566ee4..00000000 --- a/AI/Social Systems Theory.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-700A72 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Social Systems Theory" ---- - -# [[Social Systems Theory]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Social Systems Theory.md]] ---- diff --git a/AI/Soft Navigation.md b/AI/Soft Navigation.md deleted file mode 100644 index e3628305..00000000 --- a/AI/Soft Navigation.md +++ /dev/null @@ -1,32 +0,0 @@ ---- -id: P-REINFORCE-AUTO-A5364E -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Soft Navigation" ---- - -# [[Soft Navigation]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 소프트 내비게이션(Soft Navigation)은 단일 페이지 자바스크립트 애플리케이션(SPA)에서 URL이 변경될 때 웹사이트 전체를 다시 로드하지 않고 콘텐츠를 전환하는 방식을 의미합니다 [1]. 기존의 성능 지표인 최대 콘텐츠 풀 페인트(Largest Contentful Paint, LCP)는 초기 내비게이션의 로드 시간만 측정하기 때문에, 후속 탐색 성능을 파악하는 데 큰 사각지대가 존재해 왔습니다 [2]. 이를 해결하기 위해 Chrome은 소프트 내비게이션 발생을 감지하고 상호작용에 따른 DOM 수정 사항을 관찰하여 개별 로드 시간을 측정할 수 있는 새로운 API를 테스트하고 있습니다 [2]. - -## 📖 구조화된 지식 (Synthesized Content) -- **소프트 내비게이션의 작동 방식:** 오늘날 많은 웹사이트는 URL이 변경될 때마다 전체를 새로고침하지 않습니다 [1]. 대신 단일 페이지 애플리케이션 구조를 취하여, 사용자가 링크를 클릭할 때 전체 로드가 아닌 소프트 내비게이션만을 발생시킵니다 [1]. -- **성능 측정의 사각지대와 한계:** 현재 LCP 지표는 웹사이트의 초기 로드 시간만을 측정합니다 [2]. 단일 페이지 앱은 흔히 초기 로딩 속도가 느린 대신 이후의 탐색(소프트 내비게이션)이 빠르다고 주장하지만, 현재로서는 이를 명확히 측정할 성능 데이터가 비어있어 개발자와 운영자에게 상당한 사각지대를 형성하고 있습니다 [2, 3]. -- **Chrome의 오리진 트라이얼(Origin Trial) 및 해결 노력:** Google은 2024년에 소프트 내비게이션 성능을 측정하기 위한 실험을 진행했으나 완성된 API를 도출하지는 못했습니다 [2]. 이후 2025년 8월, Chrome은 새로운 오리진 트라이얼을 시작했습니다 [2]. 제안된 API는 소프트 내비게이션이 발생하는 시점을 감지하고, 사용자 상호작용에 대응해 일어나는 DOM의 수정 사항을 관찰하여 각 소프트 내비게이션의 로드 시간을 브라우저가 측정할 수 있도록 합니다 [2]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[Single-Page JavaScript Applications]], [[Largest Contentful Paint]], [[Origin Trials]] -- **Projects/Contexts:** [[Chrome 2025 Soft Navigations Origin Trial]] -- **Contradictions/Notes:** 소스 내에 상충하는 정보는 없습니다. 다만, 단일 페이지 앱이 '더 빠른 후속 탐색'을 제공한다는 약속을 실제로 이행하고 있는지 여부를 알기 위해서는 Chrome에 소프트 내비게이션 성능 측정 지원이 반드시 도입되어야 한다는 점이 개발자들의 더 나은 의사결정을 위한 핵심 과제로 지적되고 있습니다 [3]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/Soft Navigation.md]] ---- diff --git a/AI/SonarQube.md b/AI/SonarQube.md deleted file mode 100644 index 8dd469fb..00000000 --- a/AI/SonarQube.md +++ /dev/null @@ -1,33 +0,0 @@ ---- -id: P-REINFORCE-AUTO-0785CD -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - SonarQube" ---- - -# [[SonarQube]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> SonarQube는 소프트웨어의 품질, 보안, 유지보수성을 보장하기 위해 설계된 강력한 정적 애플리케이션 보안 테스트(SAST) 및 자동화된 코드 리뷰 플랫폼이다 [1-3]. 결정론적인 정적 분석 엔진과 AI 기능을 활용하여 사람이 작성한 코드뿐만 아니라 AI가 생성한 코드의 결함, 보안 취약점, 코드 스멜을 자동으로 식별한다 [3-5]. 개발자의 IDE부터 CI/CD 파이프라인, 풀 리퀘스트(PR) 워크플로우에 원활하게 통합되어 코드가 릴리스되기 전에 일관된 품질 표준과 규정 준수를 강제한다 [6-8]. - -## 📖 구조화된 지식 (Synthesized Content) -- **다양한 제품군 및 확장성:** 자체 관리형 환경을 위한 'SonarQube Server', SaaS 솔루션인 'SonarQube Cloud', IDE에서 실시간 피드백을 제공하는 무료 플러그인 'SonarQube for IDE', 그리고 AI 코딩 어시스턴트(Cursor, Claude Code, Windsurf 등)와 분석 엔진을 직접 연결하는 'SonarQube MCP Server'로 구성된다 [9-11]. 이 플랫폼은 35개 이상의 프로그래밍 언어와 프레임워크를 지원하며, 사용자 수, 프로젝트 수, 스캔 횟수에 제한이 없는 무제한 확장을 지원한다 [4, 6, 12, 13]. -- **보안 및 규정 준수 검사:** 고급 SAST(Static Application Security Testing) 및 테인트(Taint) 분석을 통해 소스 코드 전반에서 보안 취약점, 유출된 비밀(secrets), 위험한 데이터 흐름을 릴리스 전에 찾아낸다 [14-16]. 이를 통해 코드가 PCI, OWASP, CWE, STIG, CASA 등의 주요 보안 및 규정 준수 표준을 만족하도록 돕는다 [14, 16]. -- **AI 생성 코드 검증 (AI Code Assurance):** AI가 작성한 코드는 스타일과 품질 면에서 매우 불규칙할 수 있으므로, SonarQube는 이를 자동으로 감지하고 명확한 라벨링과 배지(badging)를 통해 관리 및 모니터링한다 [4, 12]. 비결정적인 AI 어시스턴트의 코드에 대해 독립적이고 결정론적인 검증을 제공하여 취약점과 정확성 문제를 조기에 차단한다 [17]. 또한 일부 버전에서는 LLM을 활용해 보안 문제와 코드 스멜에 대한 수정 제안을 제공하는 'AI CodeFix' 기능을 지원한다 [3]. -- **품질 게이트와 'Clean as You Code' 방법론:** CI/CD 파이프라인 및 PR 리뷰 단계에서 정책 기반의 '품질 게이트(Quality Gates)'를 강제하여 합격/불합격 여부를 결정한다 [6, 8]. 특히, 기존 코드의 백로그를 처리하기보다는 새롭게 추가되거나 변경된 코드에 집중하여 코드의 품질을 점진적으로 개선해 나가는 "Clean as You Code" 방법론을 채택하고 있다 [3, 18]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[SAST]], [[Quality Gates]], [[Model Context Protocol (MCP)]], [[Clean as You Code]] -- **Projects/Contexts:** [[CI/CD 및 Pull Request 자동화 리뷰]], [[AI 생성 코드 검증(AI Code Assurance)]] -- **Contradictions/Notes:** SonarQube는 코드 품질과 보안을 통합적으로 제공하는 매우 강력한 플랫폼이지만, 취약점 탐지 방식이 주로 규칙(Rule) 및 패턴에 의존하고 있다. 따라서 컨텍스트와 비즈니스 로직을 자체적으로 이해해야 하는 새로운 형태의 결함이나 취약점을 탐지하는 데는 최신 AI 네이티브 기반 스캐너에 비해 덜 효과적일 수 있다는 한계가 지적된다 [3, 19]. - ---- -*Last updated: 2026-04-18* -- Raw Source: [[00_Raw/2026-04-20/SonarQube.md]] ---- diff --git a/AI/Sparse Autoencoder (SAE).md b/AI/Sparse Autoencoder (SAE).md deleted file mode 100644 index 342d2ec6..00000000 --- a/AI/Sparse Autoencoder (SAE).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-A11EAF -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Sparse Autoencoder (SAE)" ---- - -# [[Sparse Autoencoder (SAE)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Sparse Autoencoder (SAE).md]] ---- diff --git a/AI/Spatial UI.md b/AI/Spatial UI.md deleted file mode 100644 index a96e39d0..00000000 --- a/AI/Spatial UI.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-E02F81 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Spatial UI" ---- - -# [[Spatial UI]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Spatial UI.md]] ---- diff --git a/AI/Specification Gaming (명세 우회).md b/AI/Specification Gaming (명세 우회).md deleted file mode 100644 index 991b6984..00000000 --- a/AI/Specification Gaming (명세 우회).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-1BD229 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Specification Gaming (명세 우회)" ---- - -# [[Specification Gaming (명세 우회)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Specification Gaming (명세 우회).md]] ---- diff --git a/AI/Sports Neuroscience.md b/AI/Sports Neuroscience.md deleted file mode 100644 index 06440731..00000000 --- a/AI/Sports Neuroscience.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-80CF35 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Sports Neuroscience" ---- - -# [[Sports Neuroscience]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Sports Neuroscience.md]] ---- diff --git a/AI/Sports-Medicine-Rehabilitation.md b/AI/Sports-Medicine-Rehabilitation.md deleted file mode 100644 index fcd57b04..00000000 --- a/AI/Sports-Medicine-Rehabilitation.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-727225 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Sports-Medicine-Rehabilitation" ---- - -# [[Sports-Medicine-Rehabilitation]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Sports-Medicine-Rehabilitation.md]] ---- diff --git a/AI/Sports-Performance-Optimization.md b/AI/Sports-Performance-Optimization.md deleted file mode 100644 index 0a82981e..00000000 --- a/AI/Sports-Performance-Optimization.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-FEEFC9 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Sports-Performance-Optimization" ---- - -# [[Sports-Performance-Optimization]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Sports-Performance-Optimization.md]] ---- diff --git a/AI/Sports-Psychology.md b/AI/Sports-Psychology.md deleted file mode 100644 index 460ce457..00000000 --- a/AI/Sports-Psychology.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-D4C5E8 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Sports-Psychology" ---- - -# [[Sports-Psychology]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Sports-Psychology.md]] ---- diff --git a/AI/Sports-Science-Training.md b/AI/Sports-Science-Training.md deleted file mode 100644 index 038b4bb7..00000000 --- a/AI/Sports-Science-Training.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-9A7390 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Sports-Science-Training" ---- - -# [[Sports-Science-Training]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Sports-Science-Training.md]] ---- diff --git a/AI/Sprague-Grundy Theorem.md b/AI/Sprague-Grundy Theorem.md deleted file mode 100644 index 6a305e3b..00000000 --- a/AI/Sprague-Grundy Theorem.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-3D42A2 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Sprague-Grundy Theorem" ---- - -# [[Sprague-Grundy Theorem]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Sprague-Grundy Theorem.md]] ---- diff --git a/AI/Static Application Security Testing (SAST).md b/AI/Static Application Security Testing (SAST).md deleted file mode 100644 index 58bbf095..00000000 --- a/AI/Static Application Security Testing (SAST).md +++ /dev/null @@ -1,34 +0,0 @@ ---- -id: P-REINFORCE-AUTO-95EC02 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Static Application Security Testing (SAST)" ---- - -# [[Static Application Security Testing (SAST)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> Static Application Security Testing(SAST)는 애플리케이션을 직접 실행하지 않고 소스 코드나 바이트코드를 분석하여 잠재적인 보안 취약점과 결함을 찾아내는 화이트박스 테스트(white-box testing) 기법입니다 [1, 2]. 이 방식은 소프트웨어 개발 수명 주기(SDLC)의 초기 단계에 적용되어 코드가 배포되기 전에 문제를 식별하고 수정할 수 있게 해줍니다 [1, 3, 4]. 최근에는 인공지능(AI)과 기계 학습(ML) 기술이 결합되어 전통적인 규칙 기반 탐지의 한계를 넘어 코드의 문맥을 이해하고, 자동으로 수정 코드를 제안하는 수준으로 진화하고 있습니다 [5-7]. - -## 📖 구조화된 지식 (Synthesized Content) -* **작동 원리 및 주요 탐지 영역:** SAST는 코드의 구조와 구문을 분석하며, 데이터 흐름(Data flow), 테인트 분석(Taint tracking) 및 의미론적 분석을 수행하여 외부에서 유입된 신뢰할 수 없는 데이터가 안전하게 처리되는지 추적합니다 [2, 8, 9]. 이를 통해 SQL 주입(SQL Injection), 크로스 사이트 스크립팅(XSS), 경로 탐색(Path traversal), 하드코딩된 비밀번호(Secrets) 등 OWASP Top 10에 해당하는 주요 보안 취약점을 탐지합니다 [10, 11]. -* **개발 워크플로우 통합 (Shift-Left 전략):** SAST의 가장 큰 장점 중 하나는 개발 초기에 보안을 내재화하는 'Shift-Left' 접근법을 가능하게 한다는 것입니다 [12-14]. IDE(통합 개발 환경), 풀 리퀘스트(Pull Request), CI/CD 파이프라인 등 개발자의 기존 워크플로우에 긴밀하게 통합되어 실시간 피드백을 제공하므로, 취약점을 발견하고 수정하는 데 드는 비용과 시간을 크게 절감할 수 있습니다 [15-20]. -* **전통적 SAST의 장점과 한계:** 앱을 실행할 필요가 없고, 테스트 케이스를 작성하지 않아도 전체 코드베이스를 검사할 수 있으며 자동화가 용이합니다 [19]. 더불어 PCI, OWASP, CWE 등 산업 표준 규정 준수를 증명하는 데 기여합니다 [11, 21]. 반면 런타임 컨텍스트가 부족하여 오탐률(False Positive)이 높을 수 있고(기존 도구의 경우 50~80%에 달함), 지원하는 프로그래밍 언어에 대한 의존성이 존재한다는 단점이 있습니다 [22-24]. -* **AI 기반 SAST의 등장:** 최근에는 Snyk Code, Corgea 등 거대 언어 모델(LLM)과 기계 학습을 도입한 차세대 SAST 도구들이 등장했습니다 [6, 7, 18, 22]. 이들은 파일 간 분석(Interfile analysis)을 통해 여러 모듈에 걸친 취약점을 추적하고 의미론적으로 코드를 이해함으로써 오탐률을 줄입니다 [25, 26]. 뿐만 아니라, 개발자가 즉각적으로 적용할 수 있는 자동 수정 코드(Auto-fix)까지 생성하여 신속한 조치를 돕습니다 [6, 27-30]. -* **타 보안 테스트 도구와의 차이점:** 실행 중인 상태의 애플리케이션을 외부에서 블랙박스 형태로 테스트하는 DAST(Dynamic Application Security Testing)와 대조적입니다 [1, 31]. 또한 서드파티 오픈소스 라이브러리의 알려진 취약점(CVE)과 라이선스를 검사하는 SCA(Software Composition Analysis)와 달리, SAST는 개발 팀이 직접 작성한 1사(자체) 소스 코드 내의 로직 결함을 찾아내는 데 집중합니다 [32, 33]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[Dynamic Application Security Testing (DAST)]], [[Software Composition Analysis (SCA)]], [[Shift-Left]], [[False Positives]], [[Artificial Intelligence (AI) Code Review]] -- **Projects/Contexts:** 소프트웨어 개발 수명 주기(SDLC) 내에서 보안을 강화하기 위해 CI/CD 파이프라인, IDE 플러그인, Pull Request 등에 연동하여 사용되는 맥락을 가집니다. 대표적인 도구로는 [[Snyk Code]], [[Corgea]], [[SonarQube]], [[Checkmarx]], [[Semgrep]], [[Veracode]], [[GitHub Advanced Security]] 등이 널리 사용되고 있습니다 [7, 18, 22, 27, 34-38]. -- **Contradictions/Notes:** 전통적인 정적 분석(SAST)은 빠르고 일관된 검사를 제공하지만, 비즈니스 로직에 대한 문맥 이해 부족과 높은 오탐률(False Positives)이라는 한계가 지적됩니다 [23, 24]. 이를 해결하기 위해 최근에는 사람이 판단을 내리는 수동 코드 리뷰(Manual Code Review)와 AI가 결합된 정적 분석을 혼합하여 사용하는 하이브리드(Hybrid) 접근 방식이 필수적인 보안 검토의 모범 사례로 권장되고 있습니다 [39-41]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/Static Application Security Testing (SAST).md]] ---- diff --git a/AI/Static-Analysis-in-JavaScript-Ecosystem.md b/AI/Static-Analysis-in-JavaScript-Ecosystem.md deleted file mode 100644 index 02e33980..00000000 --- a/AI/Static-Analysis-in-JavaScript-Ecosystem.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-6BE2FD -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Static-Analysis-in-JavaScript-Ecosystem" ---- - -# [[Static-Analysis-in-JavaScript-Ecosystem]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Static-Analysis-in-JavaScript-Ecosystem.md]] ---- diff --git a/AI/Static-Analysis-in-JavaScript.md b/AI/Static-Analysis-in-JavaScript.md deleted file mode 100644 index 1026c06c..00000000 --- a/AI/Static-Analysis-in-JavaScript.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-AC87D9 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Static-Analysis-in-JavaScript" ---- - -# [[Static-Analysis-in-JavaScript]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Static-Analysis-in-JavaScript.md]] ---- diff --git a/AI/Static-Analysis-in-Software-Engineering.md b/AI/Static-Analysis-in-Software-Engineering.md deleted file mode 100644 index af2bb74a..00000000 --- a/AI/Static-Analysis-in-Software-Engineering.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-97FE65 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Static-Analysis-in-Software-Engineering" ---- - -# [[Static-Analysis-in-Software-Engineering]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Static-Analysis-in-Software-Engineering.md]] ---- diff --git a/AI/Static-Analysis-of-Interfaces.md b/AI/Static-Analysis-of-Interfaces.md deleted file mode 100644 index b0e98dd7..00000000 --- a/AI/Static-Analysis-of-Interfaces.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-FCF0B0 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Static-Analysis-of-Interfaces" ---- - -# [[Static-Analysis-of-Interfaces]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Static-Analysis-of-Interfaces.md]] ---- diff --git a/AI/Stochastic Processes.md b/AI/Stochastic Processes.md deleted file mode 100644 index 52d69fb0..00000000 --- a/AI/Stochastic Processes.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-71E76D -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Stochastic Processes" ---- - -# [[Stochastic Processes]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Stochastic Processes.md]] ---- diff --git a/AI/Stochastic-Games.md b/AI/Stochastic-Games.md deleted file mode 100644 index 3817d518..00000000 --- a/AI/Stochastic-Games.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-4892A4 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Stochastic-Games" ---- - -# [[Stochastic-Games]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Stochastic-Games.md]] ---- diff --git a/AI/Sum-Types.md b/AI/Sum-Types.md deleted file mode 100644 index d7a13309..00000000 --- a/AI/Sum-Types.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-BDFB36 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Sum-Types" ---- - -# [[Sum-Types]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Sum-Types.md]] ---- diff --git a/AI/Superposition (중첩).md b/AI/Superposition (중첩).md deleted file mode 100644 index 3fe1778c..00000000 --- a/AI/Superposition (중첩).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-1840DD -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Superposition (중첩)" ---- - -# [[Superposition (중첩)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Superposition (중첩).md]] ---- diff --git a/AI/Supply-Chain-Management.md b/AI/Supply-Chain-Management.md deleted file mode 100644 index 35dc7d38..00000000 --- a/AI/Supply-Chain-Management.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-58899C -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Supply-Chain-Management" ---- - -# [[Supply-Chain-Management]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Supply-Chain-Management.md]] ---- diff --git a/AI/Surreal Numbers.md b/AI/Surreal Numbers.md deleted file mode 100644 index 2a574be5..00000000 --- a/AI/Surreal Numbers.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-785AE1 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Surreal Numbers" ---- - -# [[Surreal Numbers]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Surreal Numbers.md]] ---- diff --git a/AI/Survival Horror Genre.md b/AI/Survival Horror Genre.md deleted file mode 100644 index c761fbf5..00000000 --- a/AI/Survival Horror Genre.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-2AE52E -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Survival Horror Genre" ---- - -# [[Survival Horror Genre]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Survival Horror Genre.md]] ---- diff --git a/AI/Sustainable Development Goals (SDGs).md b/AI/Sustainable Development Goals (SDGs).md deleted file mode 100644 index 65255e96..00000000 --- a/AI/Sustainable Development Goals (SDGs).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-189E36 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Sustainable Development Goals (SDGs)" ---- - -# [[Sustainable Development Goals (SDGs)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Sustainable Development Goals (SDGs).md]] ---- diff --git a/AI/Sustainable-Development-Goals (SDGs).md b/AI/Sustainable-Development-Goals (SDGs).md deleted file mode 100644 index 96b46bc8..00000000 --- a/AI/Sustainable-Development-Goals (SDGs).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-C74AAC -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Sustainable-Development-Goals (SDGs)" ---- - -# [[Sustainable-Development-Goals (SDGs)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Sustainable-Development-Goals (SDGs).md]] ---- diff --git a/AI/Sycophancy (LLM 아첨 문제).md b/AI/Sycophancy (LLM 아첨 문제).md deleted file mode 100644 index 87611aa9..00000000 --- a/AI/Sycophancy (LLM 아첨 문제).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-0AA310 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Sycophancy (LLM 아첨 문제)" ---- - -# [[Sycophancy (LLM 아첨 문제)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Sycophancy (LLM 아첨 문제).md]] ---- diff --git a/AI/Symbolic-Logic.md b/AI/Symbolic-Logic.md deleted file mode 100644 index d5de31a8..00000000 --- a/AI/Symbolic-Logic.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-5793E0 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Symbolic-Logic" ---- - -# [[Symbolic-Logic]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Symbolic-Logic.md]] ---- diff --git a/AI/Synaptic Plasticity.md b/AI/Synaptic Plasticity.md deleted file mode 100644 index 39785997..00000000 --- a/AI/Synaptic Plasticity.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-DC2DA0 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Synaptic Plasticity" ---- - -# [[Synaptic Plasticity]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Synaptic Plasticity.md]] ---- diff --git a/AI/SynthID (구글 AI 식별 기술).md b/AI/SynthID (구글 AI 식별 기술).md deleted file mode 100644 index b33b1360..00000000 --- a/AI/SynthID (구글 AI 식별 기술).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-A89657 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - SynthID (구글 AI 식별 기술)" ---- - -# [[SynthID (구글 AI 식별 기술)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/SynthID (구글 AI 식별 기술).md]] ---- diff --git a/AI/Synthetic Data (합성 데이터).md b/AI/Synthetic Data (합성 데이터).md deleted file mode 100644 index d779d41f..00000000 --- a/AI/Synthetic Data (합성 데이터).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-532E5E -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Synthetic Data (합성 데이터)" ---- - -# [[Synthetic Data (합성 데이터)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Synthetic Data (합성 데이터).md]] ---- diff --git a/AI/System Prompt (시스템 프롬프트).md b/AI/System Prompt (시스템 프롬프트).md deleted file mode 100644 index 31349567..00000000 --- a/AI/System Prompt (시스템 프롬프트).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-BEA248 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - System Prompt (시스템 프롬프트)" ---- - -# [[System Prompt (시스템 프롬프트)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/System Prompt (시스템 프롬프트).md]] ---- diff --git a/AI/Systemic-Cohesion.md b/AI/Systemic-Cohesion.md deleted file mode 100644 index 10b43a27..00000000 --- a/AI/Systemic-Cohesion.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-E0B412 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Systemic-Cohesion" ---- - -# [[Systemic-Cohesion]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Systemic-Cohesion.md]] ---- diff --git a/AI/Systems Thinking in Management.md b/AI/Systems Thinking in Management.md deleted file mode 100644 index 9e4936c1..00000000 --- a/AI/Systems Thinking in Management.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-8B0A69 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Systems Thinking in Management" ---- - -# [[Systems Thinking in Management]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Systems Thinking in Management.md]] ---- diff --git a/AI/Systems Thinking.md b/AI/Systems Thinking.md deleted file mode 100644 index 96cfd529..00000000 --- a/AI/Systems Thinking.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-6EBBC9 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Systems Thinking" ---- - -# [[Systems Thinking]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Systems Thinking.md]] ---- diff --git a/AI/Taxonomy-and-Ontology.md b/AI/Taxonomy-and-Ontology.md deleted file mode 100644 index 1c051f5b..00000000 --- a/AI/Taxonomy-and-Ontology.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-93E139 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Taxonomy-and-Ontology" ---- - -# [[Taxonomy-and-Ontology]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Taxonomy-and-Ontology.md]] ---- diff --git a/AI/Temporal Difference Learning.md b/AI/Temporal Difference Learning.md deleted file mode 100644 index 0b58a573..00000000 --- a/AI/Temporal Difference Learning.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-92B6E9 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Temporal Difference Learning" ---- - -# [[Temporal Difference Learning]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Temporal Difference Learning.md]] ---- diff --git a/AI/Test-Time Compute Scaling (추론 시간 계산 스케일링).md b/AI/Test-Time Compute Scaling (추론 시간 계산 스케일링).md deleted file mode 100644 index e8f261a6..00000000 --- a/AI/Test-Time Compute Scaling (추론 시간 계산 스케일링).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-E16EB6 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Test-Time Compute Scaling (추론 시간 계산 스케일링)" ---- - -# [[Test-Time Compute Scaling (추론 시간 계산 스케일링)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Test-Time Compute Scaling (추론 시간 계산 스케일링).md]] ---- diff --git a/AI/Texture-Synthesis.md b/AI/Texture-Synthesis.md deleted file mode 100644 index a12c2351..00000000 --- a/AI/Texture-Synthesis.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-197D49 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Texture-Synthesis" ---- - -# [[Texture-Synthesis]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Texture-Synthesis.md]] ---- diff --git a/AI/The Immersive Sim Taxonomy Debate.md b/AI/The Immersive Sim Taxonomy Debate.md deleted file mode 100644 index 858d5746..00000000 --- a/AI/The Immersive Sim Taxonomy Debate.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-4613F1 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - The Immersive Sim Taxonomy Debate" ---- - -# [[The Immersive Sim Taxonomy Debate]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/The 'Immersive Sim' Taxonomy Debate.md]] ---- diff --git a/AI/The Last of Us Series.md b/AI/The Last of Us Series.md deleted file mode 100644 index ff05119e..00000000 --- a/AI/The Last of Us Series.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-2121F1 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - The Last of Us Series" ---- - -# [[The Last of Us Series]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/The Last of Us Series.md]] ---- diff --git a/AI/The Overwatch League Case Study.md b/AI/The Overwatch League Case Study.md deleted file mode 100644 index 2960c83d..00000000 --- a/AI/The Overwatch League Case Study.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-B644A1 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - The Overwatch League Case Study" ---- - -# [[The Overwatch League Case Study]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/The Overwatch League Case Study.md]] ---- diff --git a/AI/The Science of Well-Being (Yale).md b/AI/The Science of Well-Being (Yale).md deleted file mode 100644 index 159c2a95..00000000 --- a/AI/The Science of Well-Being (Yale).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-C3C1C2 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - The Science of Well-Being (Yale)" ---- - -# [[The Science of Well-Being (Yale)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/The Science of Well-Being (Yale).md]] ---- diff --git a/AI/The-Collapse-of-Utopian-Ideologies.md b/AI/The-Collapse-of-Utopian-Ideologies.md deleted file mode 100644 index 324d452b..00000000 --- a/AI/The-Collapse-of-Utopian-Ideologies.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-12C4DD -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - The-Collapse-of-Utopian-Ideologies" ---- - -# [[The-Collapse-of-Utopian-Ideologies]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/The-Collapse-of-Utopian-Ideologies.md]] ---- diff --git a/AI/Themework-Integration.md b/AI/Themework-Integration.md deleted file mode 100644 index fdd0e2a8..00000000 --- a/AI/Themework-Integration.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-159F6C -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Themework-Integration" ---- - -# [[Themework-Integration]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Themework-Integration.md]] ---- diff --git a/AI/Threejs WebGL 렌더링 최적화.md b/AI/Threejs WebGL 렌더링 최적화.md deleted file mode 100644 index d65c7bb0..00000000 --- a/AI/Threejs WebGL 렌더링 최적화.md +++ /dev/null @@ -1,47 +0,0 @@ ---- -id: P-REINFORCE-AUTO-FE50FB -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Threejs WebGL 렌더링 최적화" ---- - -# [[Threejs WebGL 렌더링 최적화]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> Three.js WebGL 렌더링 최적화는 주로 CPU와 GPU 간의 통신 병목 현상을 유발하는 드로우 콜(Draw Call)을 줄이고, 메모리 및 렌더링 연산 효율을 극대화하는 일련의 과정입니다 [1-6]. 이를 위해 인스턴싱(Instancing), 배칭(Batching), 기하학적 병합, 텍스처/모델 압축 및 LOD(Level of Detail)와 같은 다양한 기법이 복합적으로 적용됩니다 [7-12]. 최적화를 통해 렌더링 프레임 속도를 방어할 수 있으나, 각 기법은 절두체 컬링(Frustum Culling) 정밀도 저하나 오버드로우(Overdraw) 유발과 같은 구조적 한계와 트레이드오프를 가지므로 씬(Scene)의 특성에 맞는 전략적 접근이 필수적입니다 [13-17]. - -## 📖 구조화된 지식 (Synthesized Content) -**드로우 콜(Draw Call) 최소화 전략** -* **드로우 콜의 병목:** 드로우 콜은 CPU가 GPU에 렌더링 상태를 설정하고 기하학적 데이터를 그리도록 지시하는 명령으로, 원활한 60fps 성능을 위해서는 프레임당 100개 미만으로 유지하는 것이 강력히 권장됩니다 [3, 9, 18, 19]. 폴리곤 수보다 드로우 콜의 수가 CPU를 마비시키는 주된 원인이 됩니다 [5]. -* **InstancedMesh:** 동일한 지오메트리와 재질을 공유하는 다수의 객체를 단 한 번의 드로우 콜로 렌더링합니다 [9, 20]. 렌더링 속도와 메모리 효율을 크게 높이지만, 엔진 레벨에서 전체 인스턴스에 대한 단일 바운딩 볼륨을 사용하여 개별 객체의 시야 절두체 컬링(Frustum Culling)이 불가합니다 [13, 21]. 또한 렌더링 순서 자동 정렬이 되지 않아 픽셀 중복 연산(Overdraw)이 발생할 수 있으며 스킨드 애니메이션 적용이 매우 제한적입니다 [15, 16, 22]. -* **BatchedMesh:** 동일한 재질을 사용하지만 지오메트리가 서로 다른 객체들을 하나의 드로우 콜로 묶어 처리할 수 있게 합니다 [10, 23-27]. 인스턴스별 컬링 및 가시성 제어가 가능하여 다양성을 확보할 수 있으나, 내부적인 정렬(Sorting)과 컬링 과정에서 막대한 CPU 부하를 유발하여 오히려 프레임이 하락하는 사례도 존재합니다 [27-30]. -* **Geometry 병합(Merging):** 움직이지 않는 정적인 환경 요소는 `BufferGeometryUtils`를 사용하여 하나의 지오메트리로 병합하면 드로우 콜을 효과적으로 1회로 줄일 수 있습니다 [10, 31, 32]. - -**에셋 데이터 및 메모리 관리** -* **데이터 압축:** Draco 압축을 적용하여 지오메트리 파일 크기를 최대 90-95% 줄일 수 있습니다 [7, 12, 18]. 텍스처는 KTX2 및 Basis Universal 형식으로 압축하여 VRAM 메모리 점유율을 PNG 대비 약 75~90% 낮출 수 있습니다 [7, 18, 33, 34]. -* **LOD (Level of Detail):** 카메라와의 거리에 따라 폴리곤 수가 적은 메쉬로 교체하거나 원경의 객체를 임포스터(Billboard Impostor)로 대체하여 연산량을 크게 줄일 수 있습니다 [8, 11, 19, 35, 36]. -* **명시적 리소스 해제:** Three.js는 GPU 리소스를 자동으로 가비지 컬렉팅하지 않으므로, 사용이 끝난 지오메트리, 재질, 텍스처, 렌더 타겟에 대해 반드시 `.dispose()`를 호출하여 GPU 메모리 누수를 방지해야 합니다 [37-40]. - -**셰이더, 라이팅 및 포스트 프로세싱 최적화** -* 텍스처 아틀라스(Texture Atlas)나 배열 텍스처(Data Array Textures)를 사용하여 여러 재질을 하나로 통합하면, 재질 스위칭으로 인한 상태 변경 오버헤드를 대폭 줄일 수 있습니다 [26, 41-44]. -* 모바일 기기에서는 셰이더 정밀도를 `mediump`로 설정하여 성능을 높이고, 분기문(Branching/Conditionals) 대신 `mix()` 및 `step()`을 활용하며, 동적 루프를 피해야 합니다 [45, 46]. -* 복잡한 씬에서는 Depth Pre-Pass 기법을 도입하여 보이지 않는 프래그먼트에 대한 무거운 셰이더 연산(오버드로우)을 사전에 차단할 수 있습니다 [47, 48]. -* 정적 씬에서는 라이트맵과 그림자를 런타임 이전에 베이크(Bake)하여 실시간 연산을 피하는 것이 좋습니다 [49]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[드로우 콜 (Draw Call)]], [[InstancedMesh]], [[BatchedMesh]], [[LOD (Level of Detail)]], [[Frustum Culling]], [[Draco 압축]], [[Texture Atlas]], [[WebGPU]] -- **Projects/Contexts:** [[Utsubo Three.js Optimization Tips (2026)]], [[InstancedMesh2 라이브러리]], [[Threedium Image-To-3D WebGL 파이프라인]], [[Three.js Roadmap: Draw Calls]] -- **Contradictions/Notes:** - - `InstancedMesh`는 드로우 콜을 혁신적으로 줄여주지만, 자동 정렬 기능이 없고 전체를 렌더링하는 특성 때문에 씬 내 객체들이 중첩될 경우 막대한 오버드로우 연산이 발생하여, 1회 드로우 콜임에도 다수의 개별 메쉬를 렌더링할 때보다 오히려 프레임률(FPS)이 낮아지는 기현상이 발생할 수 있습니다 [13-16, 50]. - - `BatchedMesh`는 여러 지오메트리를 하나의 드로우 콜로 모아주어 효율적인 것으로 소개되나, 객체의 가시성을 확인하고 렌더링 순서를 정렬하는 연산 비용이 커 특정 다량의 객체 렌더링 씬에서는 병합 메쉬(Merged Mesh)를 사용할 때보다 CPU 사용량을 치솟게 만들고 30~50% 더 낮은 FPS를 기록하는 성능 병목 현상이 보고되고 있습니다 [28-30, 51, 52]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/Three.js WebGL 렌더링 최적화.md]] ---- diff --git a/AI/Threejs WebGPURenderer.md b/AI/Threejs WebGPURenderer.md deleted file mode 100644 index 92cb20e2..00000000 --- a/AI/Threejs WebGPURenderer.md +++ /dev/null @@ -1,37 +0,0 @@ ---- -id: P-REINFORCE-AUTO-2EFC4E -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Threejs WebGPURenderer" ---- - -# [[Threejs WebGPURenderer]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> Three.js WebGPURenderer는 2025년 r171 버전부터 프로덕션 환경에 도입된 그래픽 렌더러로, 브라우저가 3D 그래픽을 처리하는 방식에 근본적인 전환을 가져왔습니다 [1-3]. 복잡한 설정 없이 `three/webgpu`에서 모듈을 불러와 사용할 수 있으며, 브라우저가 WebGPU를 지원하지 않을 경우 자동으로 WebGL 2로 대체(fallback)되는 기능을 제공합니다 [2, 4, 5]. 드로우 콜(Draw call)이 많은 장면이나 컴퓨트 셰이더(Compute Shader)가 필요한 복잡한 효과에서 기존 대비 2~10배 이상의 성능 향상을 가능하게 합니다 [5, 6]. - -## 📖 구조화된 지식 (Synthesized Content) -* **초기화 및 호환성 처리:** - WebGPURenderer를 사용하기 위해서는 GPU 어댑터 및 디바이스를 요청하는 비동기 초기화(`await renderer.init()`)가 필수적이며, 이를 누락하면 렌더링이 소리 없이 실패합니다 [2, 7]. 모든 주요 브라우저에서 WebGPU를 지원하지 않더라도 자동으로 WebGL 2로 전환하여 호환성을 유지하므로 별도의 코드 패스를 작성할 필요가 없습니다 [4]. 필요에 따라 테스트나 디버깅을 위해 `forceWebGL: true` 옵션을 사용하여 강제로 WebGL 모드로 렌더링할 수도 있습니다 [8]. -* **성능 및 컴퓨트 셰이더(Compute Shader) 활용:** - 이 렌더러의 가장 큰 강점 중 하나는 컴퓨트 셰이더의 지원입니다. 이를 통해 50,000개 수준에서 병목이 생기던 CPU 기반 입자 시스템이나 물리 시뮬레이션을 GPU로 오프로드하여 수백만 단위까지 실시간으로 처리할 수 있습니다 [9-12]. 컴퓨트 연산이 포함된 씬을 렌더링할 때는 GPU 작업의 올바른 동기화를 위해 일반 `render()` 대신 `await renderer.renderAsync(scene, camera)` 함수를 사용해야 합니다 [13]. -* **TSL(Three Shader Language)과의 통합:** - 커스텀 셰이더나 포스트 프로세싱 구현 시 TSL을 사용하는 것이 표준으로 자리 잡았습니다 [4, 14]. TSL로 작성된 코드는 WebGPU용 WGSL과 WebGL용 GLSL 양쪽으로 자동 컴파일되어 코드를 두 번 작성할 필요가 없습니다 [4, 15]. WebGPU 환경의 포스트 프로세싱 역시 기존 `pmndrs/postprocessing` 라이브러리 대신 TSL 노드를 기반으로 한 Three.js의 내장 포스트 프로세싱 파이프라인을 사용합니다 [14]. -* **메모리 및 렌더링 구조 최적화:** - WebGPURenderer는 렌더 루프 과정에서 불필요한 객체 할당을 제거하여 가비지 컬렉터 부하를 방지하고, 리소스를 바인드 그룹(Bind group)으로 묶어 배치(Batch) 처리하는 구조를 채택하여 성능을 최적화했습니다 [11, 16]. 실제로 3D 데이터 플랫폼인 Segments.ai는 이 렌더러로 마이그레이션하여 수백만 개의 포인트 클라우드를 렌더링할 때 100배의 성능 향상을 거두었습니다 [17, 18]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[TSL (Three Shader Language)]], [[Compute Shaders]], [[WebGL 2 fallback]] -- **Projects/Contexts:** [[Segments.ai]], [[Expo 2025 Osaka]] -- **Contradictions/Notes:** 소스는 WebGPU가 분명한 성능 우위를 제공하지만, 기존의 WebGL 기반 프로젝트가 이미 60fps로 부드럽게 실행되고 있으며 성능 한계에 부딪히지 않았다면 무리해서 시급히 마이그레이션할 필요는 없다고 조언합니다 [9, 19, 20]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/Three.js WebGPURenderer.md]] ---- diff --git a/AI/Threejs 성능 최적화.md b/AI/Threejs 성능 최적화.md deleted file mode 100644 index 51af4e6b..00000000 --- a/AI/Threejs 성능 최적화.md +++ /dev/null @@ -1,49 +0,0 @@ ---- -id: P-REINFORCE-AUTO-965BAB -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Threejs 성능 최적화" ---- - -# [[Threejs 성능 최적화]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> Three.js 성능 최적화는 CPU와 GPU 간의 통신 병목 현상을 유발하는 드로우 콜(Draw Call)을 줄이고 렌더링 파이프라인의 효율을 극대화하여 높은 프레임 속도를 유지하는 과정이다 [1-3]. 주로 `InstancedMesh` 및 `BatchedMesh`를 활용한 인스턴싱/배칭 기법, 텍스처와 지오메트리 압축, 프러스텀 컬링(Frustum Culling) 및 LOD(Level of Detail) 기법이 핵심적으로 사용된다 [4-9]. 최근에는 WebGL의 구조적 한계를 극복하기 위해 WebGPU와 컴퓨트 셰이더를 기반으로 한 GPU 주도 렌더링(GPU-driven Rendering) 기술로 발전하고 있다 [10, 11]. - -## 📖 구조화된 지식 (Synthesized Content) -* **드로우 콜 최적화 (Draw Call Optimization)** - * 드로우 콜은 CPU가 GPU에 렌더링 명령을 내리는 과정으로, 프레임당 100개 이하로 유지하는 것이 부하를 막는 핵심 규칙이다 [1, 2, 4]. - * 동일한 지오메트리와 재질을 여러 번 렌더링할 때는 `InstancedMesh`를 사용하여 단일 드로우 콜로 처리해야 한다 [4, 6]. - * 재질은 같지만 지오메트리가 다를 경우에는 여러 지오메트리를 하나의 렌더링 호출로 묶어주는 `BatchedMesh`를 사용하는 것이 효율적이다 [12-14]. - * 서로 독립적으로 움직일 필요가 없는 정적인 배경이나 환경 객체는 `BufferGeometryUtils`를 사용하여 로드 시점에 하나의 메쉬로 병합(Merge)하는 것이 좋다 [12, 15]. - -* **에셋 및 메모리 관리 (Asset & Memory Management)** - * 형상을 유지하며 폴리곤을 줄이는 데시메이션(Decimation) 작업을 거치고, Draco 확장을 통해 지오메트리 파일 크기를 최대 95%까지 압축할 수 있다 [16-18]. - * 텍스처의 경우, GPU 메모리에서 압축 상태를 유지하는 KTX2나 Basis Universal 포맷을 사용해 메모리 대역폭 점유율을 크게 낮춰야 한다 [16, 19]. - * 수백 개의 텍스처가 필요할 때는 바인딩 오버헤드를 막기 위해 텍스처 아틀라스(Texture Atlas)나 여러 텍스처 레이어를 인덱스로 접근할 수 있는 배열 텍스처(Data Array Textures)를 활용해야 한다 [7, 20, 21]. - * Three.js는 GPU 자원을 자동으로 가비지 컬렉션하지 않으므로, 사용이 끝난 지오메트리, 재질, 텍스처는 반드시 `.dispose()`를 명시적으로 호출해 메모리 누수를 방지해야 한다 [22, 23]. - -* **가시성 판단 및 LOD (Visibility & Level of Detail)** - * 카메라와의 거리에 따라 고해상도 메쉬를 저해상도 메쉬나 임포스터(Impostor)로 교체하는 LOD 기법을 통해 폴리곤 렌더링 비용을 크게 절감할 수 있다 [8, 24-26]. - * Three.js의 프러스텀 컬링(Frustum Culling)은 화면 밖의 객체를 렌더링에서 제외하지만, `InstancedMesh`의 경우 개별 인스턴스가 아닌 전체 바운딩 볼륨을 기준으로 컬링하기 때문에 보이지 않는 객체까지 GPU 정점 연산을 수행하는 낭비가 발생할 수 있다 [27]. 이를 보완하기 위해 BVH(Bounding Volume Hierarchy)와 같은 공간 분할 자료구조를 사용하거나 GPU 컴퓨트 셰이더 기반의 컬링 기법이 필요하다 [28, 29]. - -* **WebGPU 전환 및 GPU 주도 렌더링 (WebGPU & Compute Shaders)** - * 전통적인 `InstancedMesh`는 자동 정렬의 부재로 인해 깊이 오버드로우(Overdraw)가 발생하고 투명도 블렌딩 오류를 야기하며, 본(Bone) 기반 애니메이션 처리에 취약하다는 구조적 한계가 있다 [30-32]. - * 이러한 병목을 해소하기 위해 Three.js는 WebGPU 렌더러와 단일 코드로 관리되는 TSL(Three Shader Language)을 전면 도입했다 [33, 34]. - * 컴퓨트 셰이더를 활용하면 CPU에서 처리하던 충돌 감지, 지형 생성, 수백만 개의 파티클 업데이트 및 컬링을 GPU에서 병렬로 직접 수행할 수 있어 극적인 성능 향상을 이룰 수 있다 [35-37]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[InstancedMesh]], [[BatchedMesh]], [[WebGPU]], [[드로우 콜 (Draw Call)]], [[LOD (Level of Detail)]] -- **Projects/Contexts:** [[Utsubo의 WebGPU 도입 (Segments.ai 등)]], [[InstancedMesh2 라이브러리]], [[Three.js r171 WebGPURenderer]] -- **Contradictions/Notes:** 드로우 콜을 줄이기 위해 `InstancedMesh`나 `BatchedMesh`를 도입하더라도 항상 성능이 향상되는 것은 아니다. `InstancedMesh`는 개별 컬링의 부재와 오버드로우로 인해 오히려 개별 렌더링보다 GPU FPS를 떨어뜨릴 수 있다는 점이 지적된다 [27, 30, 38]. 또한 `BatchedMesh`의 경우에도 천만 개 이상의 많은 폴리곤과 지오메트리를 처리할 때는 내부적인 다중 그리기(multi-draw) 버퍼 업로드 및 패킹 오버헤드로 인해 CPU 점유율이 40~60%까지 치솟고 프레임이 급감하는 현상이 보고되어, 상황에 따른 벤치마킹이 필수적이다 [39-43]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/Three.js 성능 최적화.md]] ---- diff --git a/AI/Time Series Analysis.md b/AI/Time Series Analysis.md deleted file mode 100644 index e4bbe742..00000000 --- a/AI/Time Series Analysis.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-D84BD7 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Time Series Analysis" ---- - -# [[Time Series Analysis]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Time Series Analysis.md]] ---- diff --git a/AI/Time to Interactive (TTI).md b/AI/Time to Interactive (TTI).md deleted file mode 100644 index 0d2efe79..00000000 --- a/AI/Time to Interactive (TTI).md +++ /dev/null @@ -1,30 +0,0 @@ ---- -id: P-REINFORCE-AUTO-8492DF -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Time to Interactive (TTI)" ---- - -# [[Time to Interactive (TTI)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> Time to Interactive (TTI)는 Chrome Lighthouse에서 주로 사용되는 웹 성능 측정 지표입니다 [1]. 이는 페이지 렌더링이 완료되고, JavaScript 실행이 끝나며, 브라우저의 백그라운드 작업이 완료되어 페이지가 완전히 상호작용 가능한 상태(fully interactive)가 될 때까지 걸리는 시간을 측정합니다 [1]. - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[Largest Contentful Paint (LCP)]], [[First Input Delay (FID)]] -- **Projects/Contexts:** [[Chrome Lighthouse]] -- **Contradictions/Notes:** 소스에 관련 정보가 부족합니다. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/Time to Interactive (TTI).md]] ---- diff --git a/AI/Tokenomics.md b/AI/Tokenomics.md deleted file mode 100644 index 9008567b..00000000 --- a/AI/Tokenomics.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-84C772 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Tokenomics" ---- - -# [[Tokenomics]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Tokenomics.md]] ---- diff --git a/AI/Topology-of-Strategy-Spaces.md b/AI/Topology-of-Strategy-Spaces.md deleted file mode 100644 index a1df60fd..00000000 --- a/AI/Topology-of-Strategy-Spaces.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-2D6874 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Topology-of-Strategy-Spaces" ---- - -# [[Topology-of-Strategy-Spaces]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Topology-of-Strategy-Spaces.md]] ---- diff --git a/AI/Trajectory-Planning.md b/AI/Trajectory-Planning.md deleted file mode 100644 index 9a885658..00000000 --- a/AI/Trajectory-Planning.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-A39C55 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Trajectory-Planning" ---- - -# [[Trajectory-Planning]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Trajectory-Planning.md]] ---- diff --git a/AI/Transhumanism.md b/AI/Transhumanism.md deleted file mode 100644 index 159822f8..00000000 --- a/AI/Transhumanism.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-B576FD -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Transhumanism" ---- - -# [[Transhumanism]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Transhumanism.md]] ---- diff --git a/AI/Transient Hypofrontality.md b/AI/Transient Hypofrontality.md deleted file mode 100644 index dcc75aad..00000000 --- a/AI/Transient Hypofrontality.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-DFE168 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Transient Hypofrontality" ---- - -# [[Transient Hypofrontality]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Transient Hypofrontality.md]] ---- diff --git a/AI/Transient-Hypofrontality.md b/AI/Transient-Hypofrontality.md deleted file mode 100644 index fd44afb6..00000000 --- a/AI/Transient-Hypofrontality.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-18B59B -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Transient-Hypofrontality" ---- - -# [[Transient-Hypofrontality]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Transient-Hypofrontality.md]] ---- diff --git a/AI/Transit-Oriented-Development (TOD).md b/AI/Transit-Oriented-Development (TOD).md deleted file mode 100644 index 0d6b7a09..00000000 --- a/AI/Transit-Oriented-Development (TOD).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-50DD5F -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Transit-Oriented-Development (TOD)" ---- - -# [[Transit-Oriented-Development (TOD)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Transit-Oriented-Development (TOD).md]] ---- diff --git a/AI/Tree-of-Thought (ToT 사고 트리).md b/AI/Tree-of-Thought (ToT 사고 트리).md deleted file mode 100644 index 14f2e74a..00000000 --- a/AI/Tree-of-Thought (ToT 사고 트리).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-E38A5C -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Tree-of-Thought (ToT 사고 트리)" ---- - -# [[Tree-of-Thought (ToT 사고 트리)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Tree-of-Thought (ToT, 사고 트리).md]] ---- diff --git a/AI/Type Definition Files (DefinitelyTyped).md b/AI/Type Definition Files (DefinitelyTyped).md deleted file mode 100644 index 177483ee..00000000 --- a/AI/Type Definition Files (DefinitelyTyped).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-CF3F9B -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Type Definition Files (DefinitelyTyped)" ---- - -# [[Type Definition Files (DefinitelyTyped)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Type Definition Files (DefinitelyTyped).md]] ---- diff --git a/AI/Type-Composition-via-Intersection-Types.md b/AI/Type-Composition-via-Intersection-Types.md deleted file mode 100644 index a81ee9bc..00000000 --- a/AI/Type-Composition-via-Intersection-Types.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-FBAE38 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Type-Composition-via-Intersection-Types" ---- - -# [[Type-Composition-via-Intersection-Types]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Type-Composition-via-Intersection-Types.md]] ---- diff --git a/AI/Type-Guards.md b/AI/Type-Guards.md deleted file mode 100644 index 0ac69c2e..00000000 --- a/AI/Type-Guards.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-1B3627 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Type-Guards" ---- - -# [[Type-Guards]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Type-Guards.md]] ---- diff --git a/AI/Type-Inference.md b/AI/Type-Inference.md deleted file mode 100644 index d8503fd1..00000000 --- a/AI/Type-Inference.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-37FB9B -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Type-Inference" ---- - -# [[Type-Inference]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Type-Inference.md]] ---- diff --git a/AI/Type-Intersection.md b/AI/Type-Intersection.md deleted file mode 100644 index 0e5645db..00000000 --- a/AI/Type-Intersection.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-D16150 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Type-Intersection" ---- - -# [[Type-Intersection]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Type-Intersection.md]] ---- diff --git a/AI/Type-Safety-in-Distributed-Systems.md b/AI/Type-Safety-in-Distributed-Systems.md deleted file mode 100644 index 86cb59ed..00000000 --- a/AI/Type-Safety-in-Distributed-Systems.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-D64613 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Type-Safety-in-Distributed-Systems" ---- - -# [[Type-Safety-in-Distributed-Systems]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Type-Safety-in-Distributed-Systems.md]] ---- diff --git a/AI/Type-Safety-in-Domain-Driven-Design.md b/AI/Type-Safety-in-Domain-Driven-Design.md deleted file mode 100644 index 8be9bee6..00000000 --- a/AI/Type-Safety-in-Domain-Driven-Design.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-C88D89 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Type-Safety-in-Domain-Driven-Design" ---- - -# [[Type-Safety-in-Domain-Driven-Design]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Type-Safety-in-Domain-Driven-Design.md]] ---- diff --git a/AI/Type-Safety-in-Generics.md b/AI/Type-Safety-in-Generics.md deleted file mode 100644 index a530c1b2..00000000 --- a/AI/Type-Safety-in-Generics.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-D5AEC1 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Type-Safety-in-Generics" ---- - -# [[Type-Safety-in-Generics]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Type-Safety-in-Generics.md]] ---- diff --git a/AI/Type-Soundness.md b/AI/Type-Soundness.md deleted file mode 100644 index 9358beb3..00000000 --- a/AI/Type-Soundness.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-9C23CB -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Type-Soundness" ---- - -# [[Type-Soundness]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Type-Soundness.md]] ---- diff --git a/AI/Type-Theory.md b/AI/Type-Theory.md deleted file mode 100644 index bcc8d1db..00000000 --- a/AI/Type-Theory.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-3E115A -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Type-Theory" ---- - -# [[Type-Theory]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Type-Theory.md]] ---- diff --git a/AI/Type-Unification.md b/AI/Type-Unification.md deleted file mode 100644 index 187972c5..00000000 --- a/AI/Type-Unification.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-190EA7 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Type-Unification" ---- - -# [[Type-Unification]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Type-Unification.md]] ---- diff --git a/AI/TypeScript Compiler (tsc).md b/AI/TypeScript Compiler (tsc).md deleted file mode 100644 index 861f2e6d..00000000 --- a/AI/TypeScript Compiler (tsc).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-E23D67 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - TypeScript Compiler (tsc)" ---- - -# [[TypeScript Compiler (tsc)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/TypeScript Compiler (tsc).md]] ---- diff --git a/AI/TypeScript Declaration Files (dts) Design.md b/AI/TypeScript Declaration Files (dts) Design.md deleted file mode 100644 index 6ea7e836..00000000 --- a/AI/TypeScript Declaration Files (dts) Design.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-EE6A06 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - TypeScript Declaration Files (dts) Design" ---- - -# [[TypeScript Declaration Files (dts) Design]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/TypeScript Declaration Files (.d.ts) Design.md]] ---- diff --git a/AI/TypeScript Interface Design.md b/AI/TypeScript Interface Design.md deleted file mode 100644 index fd9506be..00000000 --- a/AI/TypeScript Interface Design.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-2B3B7E -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - TypeScript Interface Design" ---- - -# [[TypeScript Interface Design]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/TypeScript Interface Design.md]] ---- diff --git a/AI/TypeScript Type System Design.md b/AI/TypeScript Type System Design.md deleted file mode 100644 index 7761a326..00000000 --- a/AI/TypeScript Type System Design.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-616782 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - TypeScript Type System Design" ---- - -# [[TypeScript Type System Design]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/TypeScript Type System Design.md]] ---- diff --git a/AI/TypeScript-Advanced-Type-System-Design.md b/AI/TypeScript-Advanced-Type-System-Design.md deleted file mode 100644 index 11afb726..00000000 --- a/AI/TypeScript-Advanced-Type-System-Design.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-3E5992 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - TypeScript-Advanced-Type-System-Design" ---- - -# [[TypeScript-Advanced-Type-System-Design]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/TypeScript-Advanced-Type-System-Design.md]] ---- diff --git a/AI/TypeScript-Compiler-API-Integration.md b/AI/TypeScript-Compiler-API-Integration.md deleted file mode 100644 index 604d403d..00000000 --- a/AI/TypeScript-Compiler-API-Integration.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-C996EE -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - TypeScript-Compiler-API-Integration" ---- - -# [[TypeScript-Compiler-API-Integration]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/TypeScript-Compiler-API-Integration.md]] ---- diff --git a/AI/TypeScript-Domain-Driven-Design.md b/AI/TypeScript-Domain-Driven-Design.md deleted file mode 100644 index 918341be..00000000 --- a/AI/TypeScript-Domain-Driven-Design.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-1EE94B -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - TypeScript-Domain-Driven-Design" ---- - -# [[TypeScript-Domain-Driven-Design]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/TypeScript-Domain-Driven-Design.md]] ---- diff --git a/AI/TypeScript-Interface-Design.md b/AI/TypeScript-Interface-Design.md deleted file mode 100644 index 3de67588..00000000 --- a/AI/TypeScript-Interface-Design.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-8A42E4 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - TypeScript-Interface-Design" ---- - -# [[TypeScript-Interface-Design]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/TypeScript-Interface-Design.md]] ---- diff --git a/AI/TypeScript-Type-System-Architecture.md b/AI/TypeScript-Type-System-Architecture.md deleted file mode 100644 index 30caeb9d..00000000 --- a/AI/TypeScript-Type-System-Architecture.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-82C949 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - TypeScript-Type-System-Architecture" ---- - -# [[TypeScript-Type-System-Architecture]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/TypeScript-Type-System-Architecture.md]] ---- diff --git a/AI/TypeScript-Type-System-Design.md b/AI/TypeScript-Type-System-Design.md deleted file mode 100644 index 1eadf4b1..00000000 --- a/AI/TypeScript-Type-System-Design.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-F844F1 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - TypeScript-Type-System-Design" ---- - -# [[TypeScript-Type-System-Design]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/TypeScript-Type-System-Design.md]] ---- diff --git a/AI/TypeScript-Type-System-Interface-Design.md b/AI/TypeScript-Type-System-Interface-Design.md deleted file mode 100644 index 313458af..00000000 --- a/AI/TypeScript-Type-System-Interface-Design.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-9A759D -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - TypeScript-Type-System-Interface-Design" ---- - -# [[TypeScript-Type-System-Interface-Design]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/TypeScript-Type-System-Interface-Design.md]] ---- diff --git a/AI/TypeScript-Type-System.md b/AI/TypeScript-Type-System.md deleted file mode 100644 index 1c6f3276..00000000 --- a/AI/TypeScript-Type-System.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-6060FE -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - TypeScript-Type-System" ---- - -# [[TypeScript-Type-System]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/TypeScript-Type-System.md]] ---- diff --git a/AI/UX-Design-and-Engagement.md b/AI/UX-Design-and-Engagement.md deleted file mode 100644 index d5ea0967..00000000 --- a/AI/UX-Design-and-Engagement.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-6D50AA -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - UX-Design-and-Engagement" ---- - -# [[UX-Design-and-Engagement]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/UX-Design-and-Engagement.md]] ---- diff --git a/AI/UX-Research-Methodologies.md b/AI/UX-Research-Methodologies.md deleted file mode 100644 index d4310520..00000000 --- a/AI/UX-Research-Methodologies.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-037092 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - UX-Research-Methodologies" ---- - -# [[UX-Research-Methodologies]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/UX-Research-Methodologies.md]] ---- diff --git a/AI/Ubiquitous Computing Paradigm.md b/AI/Ubiquitous Computing Paradigm.md deleted file mode 100644 index bd90d979..00000000 --- a/AI/Ubiquitous Computing Paradigm.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-C59CA1 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Ubiquitous Computing Paradigm" ---- - -# [[Ubiquitous Computing Paradigm]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Ubiquitous Computing Paradigm.md]] ---- diff --git a/AI/Ubiquitous Computing.md b/AI/Ubiquitous Computing.md deleted file mode 100644 index f842b465..00000000 --- a/AI/Ubiquitous Computing.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-8C0151 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Ubiquitous Computing" ---- - -# [[Ubiquitous Computing]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Ubiquitous Computing.md]] ---- diff --git a/AI/Ubiquitous-Computing.md b/AI/Ubiquitous-Computing.md deleted file mode 100644 index 66f4f900..00000000 --- a/AI/Ubiquitous-Computing.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-6333BB -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Ubiquitous-Computing" ---- - -# [[Ubiquitous-Computing]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Ubiquitous-Computing.md]] ---- diff --git a/AI/Ubiquitous-Language-Encoding.md b/AI/Ubiquitous-Language-Encoding.md deleted file mode 100644 index 2792dc21..00000000 --- a/AI/Ubiquitous-Language-Encoding.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-3B5892 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Ubiquitous-Language-Encoding" ---- - -# [[Ubiquitous-Language-Encoding]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Ubiquitous-Language-Encoding.md]] ---- diff --git a/AI/Union-Types-vs-Overloading.md b/AI/Union-Types-vs-Overloading.md deleted file mode 100644 index 39e5bcda..00000000 --- a/AI/Union-Types-vs-Overloading.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-13D0FE -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Union-Types-vs-Overloading" ---- - -# [[Union-Types-vs-Overloading]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Union-Types-vs-Overloading.md]] ---- diff --git a/AI/Universal-Design-Principles.md b/AI/Universal-Design-Principles.md deleted file mode 100644 index c655002d..00000000 --- a/AI/Universal-Design-Principles.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-701DFC -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Universal-Design-Principles" ---- - -# [[Universal-Design-Principles]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Universal-Design-Principles.md]] ---- diff --git a/AI/Urban Resilience Strategies.md b/AI/Urban Resilience Strategies.md deleted file mode 100644 index a6ef41ab..00000000 --- a/AI/Urban Resilience Strategies.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-C3A9D0 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Urban Resilience Strategies" ---- - -# [[Urban Resilience Strategies]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Urban Resilience Strategies.md]] ---- diff --git a/AI/Urban-Planning.md b/AI/Urban-Planning.md deleted file mode 100644 index 0916ab65..00000000 --- a/AI/Urban-Planning.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-A67C66 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Urban-Planning" ---- - -# [[Urban-Planning]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Urban-Planning.md]] ---- diff --git a/AI/Utility Theory.md b/AI/Utility Theory.md deleted file mode 100644 index 2c196da9..00000000 --- a/AI/Utility Theory.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-D4C836 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Utility Theory" ---- - -# [[Utility Theory]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Utility Theory.md]] ---- diff --git a/AI/VIA Institute on Character.md b/AI/VIA Institute on Character.md deleted file mode 100644 index c4749b5c..00000000 --- a/AI/VIA Institute on Character.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-4C752E -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - VIA Institute on Character" ---- - -# [[VIA Institute on Character]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/VIA Institute on Character.md]] ---- diff --git a/AI/Value Object Pattern.md b/AI/Value Object Pattern.md deleted file mode 100644 index 8a9ba032..00000000 --- a/AI/Value Object Pattern.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-314692 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Value Object Pattern" ---- - -# [[Value Object Pattern]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Value Object Pattern.md]] ---- diff --git a/AI/Value-Objects.md b/AI/Value-Objects.md deleted file mode 100644 index 86709d91..00000000 --- a/AI/Value-Objects.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-038FBF -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Value-Objects" ---- - -# [[Value-Objects]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Value-Objects.md]] ---- diff --git a/AI/Variational-Autoencoders.md b/AI/Variational-Autoencoders.md deleted file mode 100644 index aea9d8dd..00000000 --- a/AI/Variational-Autoencoders.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-92A652 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Variational-Autoencoders" ---- - -# [[Variational-Autoencoders]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Variational-Autoencoders.md]] ---- diff --git a/AI/Visual Positioning Systems (VPS).md b/AI/Visual Positioning Systems (VPS).md deleted file mode 100644 index 9d8b2464..00000000 --- a/AI/Visual Positioning Systems (VPS).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-5B3EE3 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Visual Positioning Systems (VPS)" ---- - -# [[Visual Positioning Systems (VPS)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Visual Positioning Systems (VPS).md]] ---- diff --git a/AI/WAI-ARIA-Accessible-Rich-Internet-Applications.md b/AI/WAI-ARIA-Accessible-Rich-Internet-Applications.md deleted file mode 100644 index 40b1fce2..00000000 --- a/AI/WAI-ARIA-Accessible-Rich-Internet-Applications.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-6F7B37 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - WAI-ARIA-Accessible-Rich-Internet-Applications" ---- - -# [[WAI-ARIA-Accessible-Rich-Internet-Applications]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/WAI-ARIA-Accessible-Rich-Internet-Applications.md]] ---- diff --git a/AI/Wang-Tiles.md b/AI/Wang-Tiles.md deleted file mode 100644 index 582422c3..00000000 --- a/AI/Wang-Tiles.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-1C2064 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Wang-Tiles" ---- - -# [[Wang-Tiles]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Wang-Tiles.md]] ---- diff --git a/AI/Watermarking (AI 워터마킹).md b/AI/Watermarking (AI 워터마킹).md deleted file mode 100644 index fa75ccda..00000000 --- a/AI/Watermarking (AI 워터마킹).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-948507 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Watermarking (AI 워터마킹)" ---- - -# [[Watermarking (AI 워터마킹)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Watermarking (AI 워터마킹).md]] ---- diff --git a/AI/Wavefunction-Collapse-Algorithm.md b/AI/Wavefunction-Collapse-Algorithm.md deleted file mode 100644 index 9a1e0b1e..00000000 --- a/AI/Wavefunction-Collapse-Algorithm.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-E0FD1F -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Wavefunction-Collapse-Algorithm" ---- - -# [[Wavefunction-Collapse-Algorithm]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Wavefunction-Collapse-Algorithm.md]] ---- diff --git a/AI/Web Performance Optimization.md b/AI/Web Performance Optimization.md deleted file mode 100644 index c01493f0..00000000 --- a/AI/Web Performance Optimization.md +++ /dev/null @@ -1,47 +0,0 @@ ---- -id: P-REINFORCE-AUTO-3862CA -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Web Performance Optimization" ---- - -# [[Web Performance Optimization]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 웹 성능 최적화(Web Performance Optimization)는 웹사이트가 사용자에게 얼마나 빠르게 느껴지는지(인지된 성능)를 측정하고 개선하는 과정이다 [1]. 느린 웹사이트는 사용자의 좌절감을 유발하고 이탈률을 높이며 검색 엔진 순위(SEO)에도 악영향을 미치므로, 코어 웹 바이탈(Core Web Vitals)과 같은 표준화된 지표를 바탕으로 로딩 속도, 상호작용성, 시각적 안정성을 최적화하는 것이 필수적이다 [1-5]. - -## 📖 구조화된 지식 (Synthesized Content) -* **주요 성능 측정 지표 (Core Web Vitals 등)** - * Google은 사용자 경험을 측정하기 위해 LCP(Largest Contentful Paint, 최대 콘텐츠 렌더링 시간), INP(Interaction to Next Paint, 다음 페인트에 대한 상호작용), CLS(Cumulative Layout Shift, 누적 레이아웃 이동)를 코어 웹 바이탈 지표로 사용한다 [2, 6]. - * INP는 첫 번째 상호작용만 측정하던 기존의 FID(First Input Delay)를 대체한 지표로, 페이지 방문 중 발생하는 모든 클릭이나 키보드 입력 등의 전체 지연 시간을 측정하여 더욱 현실적인 반응성을 반영한다 [7-10]. - * 이 외에도 TTFB(Time to First Byte), TTI(Time to Interactive), TBT(Total Blocking Time) 등의 보조 지표가 성능 평가에 활용된다 [11, 12]. - -* **데이터 수집 및 분석 방식** - * **실험실 데이터(Lab Data):** Lighthouse나 WebPageTest와 같이 통제된 기기와 네트워크 환경에서 수집되는 합성 테스트(Synthetic Testing) 데이터로, 개발 과정에서 병목 현상을 디버깅하는 데 유용하다 [13-15]. - * **필드 데이터(Field Data):** CrUX(Chrome User Experience Report)나 실제 사용자 모니터링(RUM) 도구를 통해 실제 사용자가 겪는 성능을 측정한 데이터이다 [16, 17]. 소수 예외 값에 의한 평균의 왜곡을 피하기 위해 중앙값(p50)이나 75백분위수(p75), 95백분위수 등을 기준으로 성능을 평가한다 [18-20]. - -* **일반적인 웹 성능 최적화 기법** - * **JavaScript 및 메인 스레드 최적화:** 50ms를 초과하는 긴 작업(Long tasks)을 작게 쪼개거나 웹 워커(Web workers)로 분리하고, 필수적이지 않은 JS의 로드를 지연(Defer)시켜야 한다 [21, 22]. Firefox 등에서 지원하는 Scheduler API(`scheduler.yield()`)를 통해 브라우저 스케줄러에 제어권을 양보하여 상호작용 지연을 줄일 수도 있다 [23]. - * **이미지 및 렌더링 최적화:** WebP, AVIF, JPEG XL 등 효율적인 최신 이미지 포맷을 사용하고, 뷰포트 크기에 맞는 적절한 해상도를 제공해야 한다 [24-29]. 또한 화면 밖 콘텐츠의 렌더링을 건너뛰는 CSS `content-visibility` 속성을 활용하면 초기 렌더링 성능을 크게 높일 수 있다 [30, 31]. 강제 동기식 레이아웃(Layout thrashing)을 유발하는 코드는 피해야 한다 [32, 33]. - * **추측 규칙(Speculation Rules):** 사용자가 링크에 마우스를 올리는 등의 상호작용 시, 향후 필요할 수 있는 리소스나 페이지를 미리 렌더링 및 로드하여 탐색 속도를 대폭 단축할 수 있다 [34, 35]. - -* **3D 웹 그래픽 (WebGL / WebGPU) 성능 최적화** - * WebGL 환경에서는 CPU와 GPU 간의 통신과 상태 변경이 오버헤드를 유발하므로, 드로우 콜(Draw calls) 횟수를 최소화(배칭, 인스턴싱 등)하는 것이 모바일과 데스크톱 모두에서 성능을 높이는 핵심이다 [36-42]. - * WebGPU는 WebGL의 단일 스레드 구조를 벗어나 다중 스레드 명령 생성(Multi-threaded command generation)과 컴퓨트 셰이더(Compute shader)를 제공한다 [43-45]. 이를 통해 입자 시뮬레이션, 3D 가우시안 스플래팅(3DGS)에서의 심도 정렬(Depth sorting) 등 무거운 연산을 GPU로 완전히 오프로드하여 CPU 병목을 제거하고 수 배 이상의 프레임 속도 향상을 이끌어낼 수 있다 [45-51]. - * Cesium과 같은 3D 엔진은 씬(Scene)이 정적일 때 일정 프레임 속도로 계속 렌더링하는 대신, 카메라의 움직임이나 데이터 로드, 시간의 변화 등 꼭 필요할 때만 렌더링을 수행하는 명시적 렌더링(Explicit Rendering) 모드를 사용하여 유휴 상태의 CPU 사용량을 25%대에서 3%대로 크게 감소시켰다 [52-55]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[Core Web Vitals]], [[Largest Contentful Paint]], [[Interaction to Next Paint]], [[Cumulative Layout Shift]], [[WebGPU]], [[WebGL]] -- **Projects/Contexts:** [[Chrome DevTools]], [[Lighthouse]], [[Chrome User Experience Report]], [[WebPageTest]] -- **Contradictions/Notes:** FID(First Input Delay)는 사용자의 첫 번째 상호작용 지연 시간만을 측정하는 한계가 있어, 페이지 생명주기 전체의 모든 상호작용 응답성을 추적하는 INP로 대체되었다 [7-10]. 또한, WebGL은 단일 스레드 명령 제출 구조로 인해 GPU가 유휴 상태임에도 CPU 병목이 발생하는 한계가 있었으나, WebGPU는 다중 스레드 명령 생성과 컴퓨트 셰이더를 통해 이러한 아키텍처적 한계를 해결한다 [44, 45, 56-59]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/Web Performance Optimization.md]] ---- diff --git a/AI/Web-Content-Accessibility-Guidelines-WCAG.md b/AI/Web-Content-Accessibility-Guidelines-WCAG.md deleted file mode 100644 index 6e26e524..00000000 --- a/AI/Web-Content-Accessibility-Guidelines-WCAG.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-52EA66 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Web-Content-Accessibility-Guidelines-WCAG" ---- - -# [[Web-Content-Accessibility-Guidelines-WCAG]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Web-Content-Accessibility-Guidelines-WCAG.md]] ---- diff --git a/AI/WebSplatter (3D Gaussian Splatting).md b/AI/WebSplatter (3D Gaussian Splatting).md deleted file mode 100644 index 8d000a9a..00000000 --- a/AI/WebSplatter (3D Gaussian Splatting).md +++ /dev/null @@ -1,40 +0,0 @@ ---- -id: P-REINFORCE-AUTO-166181 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - WebSplatter (3D Gaussian Splatting)" ---- - -# [[WebSplatter (3D Gaussian Splatting)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> WebSplatter는 이기종 웹 생태계를 위해 WebGPU를 기반으로 설계된 엔드투엔드(end-to-end) 3D 가우시안 스플래팅(3D Gaussian Splatting, 3DGS) 렌더링 파이프라인입니다. 기존 WebGL 기반 방식이 겪는 CPU 정렬의 병목 현상을 해결하기 위해 깊이 정렬과 뷰 적응형 평가를 모두 GPU 컴퓨트 셰이더로 이동시켰습니다. 글로벌 원자성(global atomics)이 부족한 WebGPU의 한계를 우회하는 '대기 없는 계층적 기수 정렬(wait-free hierarchical radix sort)'과 불투명도 인식 기하학 컬링을 도입하여 기존 웹 뷰어 대비 1.18배에서 4.5배의 렌더링 속도 향상과 뛰어난 메모리 효율성을 달성했습니다 [1-3]. - -## 📖 구조화된 지식 (Synthesized Content) -- **3D 가우시안 스플래팅과 기존 웹 렌더링의 한계** - 3DGS 기법은 렌더링을 위해 수백만 개의 타원체를 카메라와의 깊이에 따라 매 프레임 뒤에서 앞으로 정렬해야 합니다 [4, 5]. 기존 WebGL 기반 구현에서는 이러한 정렬을 CPU(JavaScript 또는 WebAssembly)로 오프로드하고 이를 다시 대규모 버퍼 전송을 통해 GPU로 업로드했기 때문에, 심각한 동기화 병목 현상과 확장성 저하가 발생했습니다 [1, 6, 7]. - -- **하이브리드 컴퓨트-렌더 파이프라인 (Hybrid Compute-Render Pipeline)** - WebSplatter는 이기종 디바이스에서 최적의 성능을 끌어내기 위해 세 단계의 파이프라인을 도입했습니다 [8]. - - **사전 처리 단계 (Pre-processing Stage):** 컴퓨트 셰이더를 사용하여 카메라 뷰포트를 벗어나는 가우시안을 제거하는 바운딩 박스 컬링(Bounding Box Culling)과 시점 종속적 색상 계산(View-Dependent Color Calculation)을 수행합니다 [9, 10]. 이때 계산된 색상 및 불투명도 등의 데이터를 32비트 부호 없는 정수로 압축하여 이후 래스터화 단계에서의 메모리 대역폭 요구량을 대폭 줄입니다 [10, 11]. - - **정렬 단계 (Sort Stage):** WebGPU 환경은 하드웨어별 작업 그룹 스케줄링 순서나 세밀한 글로벌 원자적 연산을 보장하지 않아, 기존에 많이 쓰이는 스핀 대기(spin-wait) 패턴을 사용할 경우 성능을 낭비하는 바쁜 대기(busy-wait) 상태에 빠질 수 있습니다 [12, 13]. WebSplatter는 이를 해결하기 위해 '대기 없는 계층적 Blelloch 스캔(wait-free hierarchical Blelloch scan)' 방식에 기반한 GPU 기수 정렬(Radix Sort) 알고리즘을 사용합니다 [14, 15]. - - **래스터화 단계 (Rasterization Stage):** 모바일 등 대역폭이 제한된 기기에서 병목을 일으킬 수 있는 타일 기반 래스터라이저 대신, 하드웨어 가속 버텍스 및 프래그먼트 셰이더 파이프라인을 활용합니다 [16]. 가우시안의 피크 불투명도(peak opacity)를 기반으로 각 쿼드(quad)의 크기를 동적으로 계산하여 불필요한 프래그먼트 처리(오버드로우)를 최소화합니다 [17-19]. - -- **성능 및 확장성 (메모리 효율성)** - WebSplatter는 고성능 데스크톱(RTX 3070)부터 Apple M시리즈 칩, 모바일 기기에 이르기까지 다양한 이기종 장치에서 일관된 성능 향상을 보여줍니다 [20-22]. 기존의 가장 우수한 WebGPU 뷰어 대비 최대 57%까지 피크 GPU 메모리 사용량을 줄여, 메모리가 극도로 제한된 모바일 스마트폰 환경에서도 브라우저 충돌(out-of-memory crash) 없이 실시간 렌더링을 안정적으로 지원합니다 [23, 24]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[WebGPU]], [[3D Gaussian Splatting]], [[Compute Shaders]], [[Radix Sort]] -- **Projects/Contexts:** [[Web-Based 3D Rendering]], [[Generative 3D Modeling]] -- **Contradictions/Notes:** 소스에 따르면 기존 WebGL 뷰어는 CPU 정렬로 인해 대규모 장면에서 병목이 발생하고, 단순 네이티브 GPU 포팅 방식의 WebGPU 뷰어들은 '스핀 대기(spin-wait)' 구현으로 인해 스케줄링 순서가 보장되지 않는 하드웨어(예: Apple M1)에서 매우 심각한 성능 저하(busy-wait)를 겪습니다. WebSplatter는 자체적인 '대기 없는 기수 정렬(wait-free radix sort)' 알고리즘을 적용하여 이 문제를 완벽히 회피하였으며, 동일한 환경에서 기존 WebGPU 대비 4.5배 이상의 속도 향상을 입증했습니다 [22, 25]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/WebSplatter (3D Gaussian Splatting).md]] ---- diff --git a/AI/Wellbeing-Science.md b/AI/Wellbeing-Science.md deleted file mode 100644 index 29bb11c4..00000000 --- a/AI/Wellbeing-Science.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-59A0A3 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Wellbeing-Science" ---- - -# [[Wellbeing-Science]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Wellbeing-Science.md]] ---- diff --git a/AI/Width-Subtyping.md b/AI/Width-Subtyping.md deleted file mode 100644 index a10c74f8..00000000 --- a/AI/Width-Subtyping.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-20758B -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Width-Subtyping" ---- - -# [[Width-Subtyping]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Width-Subtyping.md]] ---- diff --git a/AI/Wikidata.md b/AI/Wikidata.md deleted file mode 100644 index 3ddcba17..00000000 --- a/AI/Wikidata.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-244AE9 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Wikidata" ---- - -# [[Wikidata]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Wikidata.md]] ---- diff --git a/AI/Work-Engagement-Models.md b/AI/Work-Engagement-Models.md deleted file mode 100644 index d528ac7b..00000000 --- a/AI/Work-Engagement-Models.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-CBB42F -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - Work-Engagement-Models" ---- - -# [[Work-Engagement-Models]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/Work-Engagement-Models.md]] ---- diff --git a/AI/World of Warcraft (Gold Sink Mechanics).md b/AI/World of Warcraft (Gold Sink Mechanics).md deleted file mode 100644 index bb57531a..00000000 --- a/AI/World of Warcraft (Gold Sink Mechanics).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-DA62AF -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - World of Warcraft (Gold Sink Mechanics)" ---- - -# [[World of Warcraft (Gold Sink Mechanics)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/World of Warcraft (Gold Sink Mechanics).md]] ---- diff --git a/AI/_뇌와 팔다리의 분리_ - 관심사의 분리 (Separation of Concerns).md b/AI/_뇌와 팔다리의 분리_ - 관심사의 분리 (Separation of Concerns).md deleted file mode 100644 index 16099af8..00000000 --- a/AI/_뇌와 팔다리의 분리_ - 관심사의 분리 (Separation of Concerns).md +++ /dev/null @@ -1,48 +0,0 @@ ---- -id: P-REINFORCE-AUTO-53B106 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - _뇌와 팔다리의 분리_ - 관심사의 분리 (Separation of Concerns)" ---- - -# [[_뇌와 팔다리의 분리_ - 관심사의 분리 (Separation of Concerns)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -**개념적 비유의 의미** -관심사 분리(SoC)를 다루는 '뇌와 팔다리'의 이분법은 소프트웨어의 복잡성을 관리하기 위해 논리적 단위들을 명확하게 격리하는 아키텍처 철학입니다 [1, 4]. - -* **뇌 (Brain) - 고수준 도메인과 비즈니스 로직:** - * 아키텍처의 중추 역할을 하며 시스템이 존재하는 근본적인 이유인 '핵심 업무 규칙'을 포함합니다 [1]. - * 뇌는 엔티티(Entity)와 유스케이스(Use Case)로 구성됩니다 [2]. 엔티티는 비즈니스의 가장 본질적인 로직을 수행하고, 유스케이스는 엔티티들의 상호작용을 제어합니다 [2]. - * 마치 뇌가 신체의 중심인 것처럼, 데이터베이스, UI, 특정 프레임워크와 같은 외부 요소에 오염되지 않는 가장 독립적이고 순수한 코드로 유지되어야 합니다 [2]. - -* **팔다리 (Limbs) - 인프라스트럭처와 세부 구현:** - * 핵심 로직을 감싸고 외부 세계와 소통하는 저수준의 세부 사항을 의미하며, 웹 인터페이스, 데이터베이스, 서드파티 API 등이 포함됩니다 [2]. - * 아키텍처 관점에서 팔다리는 정보를 전달하거나 저장하는 부속품이자 지엽적인 관심사로 취급됩니다 [1, 2]. - * 팔다리가 바뀌어도 뇌의 사고방식이 변하지 않는 것처럼, 외부 시스템은 언제든 교체 가능하도록 시스템의 심장부에 '플러그인' 형태로 연결되어야 합니다 [2]. - -* **신경계 (Wiring) - 결합도 관리:** - * 뇌와 팔다리 사이의 느슨한 결합을 유지하기 위해 인터페이스, 추상 클래스, DTO 등의 추상화된 소통 경로(신경계)가 사용됩니다 [3]. - -* **의존성 규칙 (Dependency Rule):** - * 고수준과 저수준의 분리는 의존성의 방향이 항상 저수준(팔다리)에서 고수준(뇌)을 향하게 함으로써 달성됩니다 [3]. - * 외부 시스템(팔다리)은 핵심 로직(뇌)을 알고 있지만, 뇌는 외부를 전혀 몰라야 하며, 이를 통해 도메인 로직을 수정하지 않고도 UI 기술이나 데이터베이스 구현체를 자유롭게 교체할 수 있게 됩니다 [3]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[관심사의 분리 (Separation of Concerns)]], [[단일 책임 원칙 (SRP)]], [[의존성 역전 (Dependency Inversion)]] -- **Projects/Contexts:** [[클린 아키텍처 (Clean Architecture)]], [[계층화 아키텍처 (Layered Architecture)]], [[도메인 주도 설계 (DDD)]] -- **Contradictions/Notes:** 소스에 명시적인 모순점은 없으나, "뇌와 팔다리의 분리"와 같은 관심사의 분리 원칙을 맹목적으로 추구할 경우 함수 호출의 뎁스가 깊어지고 성능 오버헤드나 통신 비용이 증가할 수 있다고 경고합니다 [5]. 너무 많은 레이어와 추상화는 개발자를 미궁에 빠뜨리는 오버엔지니어링이 될 수 있으므로, 응집도와 결합도를 잣대로 최적의 분리 지점을 모색하는 절제가 필요합니다 [6, 7]. - ---- -*Last updated: 2026-04-18* -- Raw Source: [[00_Raw/2026-04-20/_뇌와 팔다리의 분리_ - 관심사의 분리 (Separation of Concerns).md]] ---- diff --git a/AI/agargaro의 오픈 소스 라이브러리.md b/AI/agargaro의 오픈 소스 라이브러리.md deleted file mode 100644 index 89e7f7fb..00000000 --- a/AI/agargaro의 오픈 소스 라이브러리.md +++ /dev/null @@ -1,44 +0,0 @@ ---- -id: P-REINFORCE-AUTO-B271A4 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - agargaro의 오픈 소스 라이브러리" ---- - -# [[agargaro의 오픈 소스 라이브러리]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> agargaro가 개발한 오픈 소스 라이브러리는 주로 Three.js의 기본 `InstancedMesh` 성능과 기능을 획기적으로 확장한 `InstancedMesh2`를 지칭합니다 [1, 2]. 이 라이브러리는 개별 인스턴스 단위의 절두체 컬링(Frustum Culling), LOD(Level of Detail), 가시성(Visibility) 관리 및 BVH를 활용한 빠른 레이캐스팅 기능을 제공하여 대규모 3D 렌더링 성능을 최적화합니다 [2, 3]. 이 밖에도 `BatchedMesh`를 위한 확장 라이브러리인 `batched-mesh-extensions`를 제공하여 오픈 월드 수준의 환경 구현을 돕고 있습니다 [4, 5]. - -## 📖 구조화된 지식 (Synthesized Content) -- **InstancedMesh2의 주요 렌더링 및 제어 메커니즘** - - **간접 참조(Indirection) 기반 인스턴스 관리:** `InstancedBufferAttribute`를 활용하여 렌더링할 인스턴스의 인덱스를 관리합니다 [6]. 이를 통해 원본 버퍼 배열을 재정렬하지 않고도 선택적 렌더링, 효율적인 절두체 컬링, 기수 정렬(Radix sort) 기반의 깊이 정렬이 가능합니다 [6, 7]. 셰이더 작동 방식은 `BatchedMesh`와 유사하게 구현되었습니다 [8]. - - **부분 업데이트 텍스처:** 데이터와 행렬(Matrix) 정보를 저장하기 위해 부분 업데이트(partial updates)를 지원하는 `SquareDataTexture` 자료구조를 활용하여 CPU 및 GPU 간의 데이터 전송을 최적화합니다 [6]. - -- **스킨드 메쉬(Skinned Mesh) 및 애니메이션 최적화** - - 개별 인스턴스마다 서로 다른 애니메이션 상태를 가질 수 있습니다 [9]. - - 카메라 절두체(Frustum) 내부에 있는 인스턴스에 대해서만 뼈대(Bone)를 업데이트합니다 [1]. - - 카메라와의 거리에 따라 각 인스턴스의 애니메이션 FPS를 0에서 60까지 동적으로 설정하여 연산량을 줄입니다 [1]. - - 거리가 먼 인스턴스는 일부 뼈대 계산을 피하고, meshoptimizer를 통해 생성된 최대 5단계의 지오메트리 LOD 및 그림자(Shadow) LOD를 적용할 수 있습니다 [1, 10]. - -- **BatchedMesh 확장 라이브러리** - - agargaro는 다수의 서로 다른 지오메트리를 렌더링하는 데 쓰이는 `BatchedMesh`에서도 LOD 등을 구현할 수 있도록 돕는 `batched-mesh-extensions` 라이브러리를 추가로 개발했습니다 [4, 5]. - -- **독립 라이브러리로 개발된 이유** - - 개별 인스턴스 절두체 컬링 기능을 Three.js 메인 레포지토리의 `InstancedMesh`에 직접 통합할 경우, 셰이더의 하위 호환성 단절(breaking changes)과 유지보수해야 할 복잡한 코드가 지나치게 많아지는 문제가 발생합니다 [11, 12]. 따라서 복잡성을 분리하기 위해 외부 라이브러리 형태로 제공되고 있습니다 [12]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[InstancedMesh2]], [[Frustum Culling]], [[LOD(Level of Detail)]], [[BVH(Bounding Volume Hierarchy)]], [[BatchedMesh]] -- **Projects/Contexts:** [[20k skinned instances 데모]], [[batched-mesh-extensions]] -- **Contradictions/Notes:** 애니메이션 최적화 기법 중 뼈대 텍스처(Bone texture)의 부분 업데이트 기능이 있으나, 일부 모바일 기기 및 Firefox 브라우저에서는 해당 연산이 오히려 느리게 동작하여(이중 버퍼링 구현 필요) 기본적으로 비활성화해 두는 등 플랫폼 간 성능 편차가 존재합니다 [1, 13]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/agargaro의 오픈 소스 라이브러리.md]] ---- diff --git a/AI/clinicjs.md b/AI/clinicjs.md deleted file mode 100644 index 26832f64..00000000 --- a/AI/clinicjs.md +++ /dev/null @@ -1,33 +0,0 @@ ---- -id: P-REINFORCE-AUTO-B7F89C -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - clinicjs" ---- - -# [[clinicjs]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> `clinic.js`는 Node.js 개발 환경에서 메모리 누수(Memory Leak)의 원인을 빠르고 자동화된 방식으로 분석하기 위해 사용하는 도구입니다 [1, 2]. 힙(Heap) 시각화 기능을 제공하여 애플리케이션 내 어떤 함수가 많은 메모리를 점유하고 있는지 식별하도록 돕습니다 [2]. 터미널에서 `clinic doctor -- node app.js`와 같은 명령어 형태로 실행되어 자동 분석을 수행합니다 [1]. - -## 📖 구조화된 지식 (Synthesized Content) -- **자동화된 힙 시각화:** `clinic.js`는 개발 중인 애플리케이션에서 메모리 누수의 근원지를 가장 빠르게 찾아내기 위한 힙 시각화(Heap Visualization) 분석 기능을 지원합니다 [2]. -- **메모리 점유 분석:** 분석 결과물인 차트(chart)를 통해 어떤 함수들이 가장 많은 메모리를 유지(retaining)하고 있는지 보여줍니다 [2]. 개발자는 자신이 작성한 코드의 프레임(frames) 중 예상치 못하게 차트 깊숙한 곳에 위치한 부분을 찾아내어 문제를 진단할 수 있습니다 [2]. -- **명령어 기반 실행:** 대화형 디버깅을 제공하는 `--inspect`와 같은 다른 도구와 달리, `clinic.js`는 `clinic doctor -- node app.js`와 같은 명령어를 통해 자동화된 분석(Automated analysis)을 수행하는 것이 특징입니다 [1]. -- *참고: 도구의 구체적인 내부 작동 원리 등 그 외 상세 내용에 대해서는 소스에 관련 정보가 부족합니다.* - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[Memory Leak]], [[Heap Visualization]], [[Garbage Collection]] -- **Projects/Contexts:** [[Node.js Performance Debugging]] -- **Contradictions/Notes:** 소스에는 `clinic.js`의 목적과 명령어 사용법 위주의 정보만 간략히 등장하므로, 세부 아키텍처나 추가 프로파일링 기능에 대해서는 소스에 관련 정보가 부족합니다. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/clinic.js.md]] ---- diff --git a/AI/e스포츠 인지 상태 및 성과 위험 평가.md b/AI/e스포츠 인지 상태 및 성과 위험 평가.md deleted file mode 100644 index fb0f4a30..00000000 --- a/AI/e스포츠 인지 상태 및 성과 위험 평가.md +++ /dev/null @@ -1,40 +0,0 @@ ---- -id: P-REINFORCE-AUTO-52CDF0 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - e스포츠 인지 상태 및 성과 위험 평가" ---- - -# [[e스포츠 인지 상태 및 성과 위험 평가]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -- **생체 신호를 통한 인지 상태 감지 (Detection of Cognitive States)** - e스포츠 선수들이 경험하는 정신적 작업 부하(Mental Workload), 스트레스, 인지적 피로는 다양한 센서를 통해 정량화됩니다 [5]. 안구 측정에서 **동공 크기는 단기적인 인지적 노력에 비례하여 확장되지만, 장시간 플레이로 인해 인지적 피로(Cognitive Fatigue)가 누적될 경우 반대로 수축(Pupil constriction)하는 특징을 보입니다** [5], [6]. 또한, 뇌파(EEG) 데이터를 활용한 기계 학습(Gradient Boosting 등) 모델은 선수가 '상쾌한(fresh)' 상태인지 '지친(tired)' 상태인지를 최대 88%의 정확도로 성공적으로 예측해 냅니다 [6]. - -- **자율신경계 반응과 몰입 상태 (Autonomic Responses and Flow State)** - 심박 변이도(HRV)와 피부 전도도(EDA/GSR)는 인지 부하 및 스트레스 수준을 측정하는 핵심 지표로 활용됩니다 [3]. 급성 인지적 스트레스나 높은 작업 부하가 요구되는 경쟁 상황에서는 교감신경의 활성화로 인해 HRV가 감소하고 EDA가 크게 증가합니다 [5], [7]. 그러나 선수의 기술과 과제의 난이도가 완벽한 균형을 이루는 최적의 수행 상태인 **'몰입(Flow)' 상태에서는 부교감신경이 우세해져 HRV 지표가 오히려 증가하는 현상**이 나타납니다 [8], [9]. - -- **전문성 평가 및 행동 지표 (Differentiating Player Expertise)** - 생체 신호는 선수의 숙련도를 명확히 구분하는 데에도 유용합니다 [10]. 뇌파(EEG) 분석 결과, **프로 선수들은 초보자에 비해 사건 관련 전위(ERP) 반응이 20~70ms 더 빠르고 진폭이 7~9µV 더 크며**, 이를 바탕으로 숙련도를 92%의 정확도로 분류할 수 있습니다 [10]. FPS 게임에서는 중요한 운동 행동을 시작하기 전 표적에 시선을 고정하는 **'조용한 시선(Quiet Eye)'의 지속 시간이 숙련된 엘리트 선수일수록 유의미하게 길게 나타납니다** [11]. - -- **틸트(Tilt) 및 성과 저하 예측 (Predicting Tilt and Performance Decline)** - 회귀 트리(Regression Tree)나 SVM 등의 기계 학습 알고리즘을 다중 모달(Multimodal) 생체 신호 데이터에 적용하면, 선수의 성과가 급격히 하락하는 **'틸트(Tilt)' 상태의 시작을 실시간으로 예측**할 수 있습니다 [12], [13]. 한 연구에 따르면 과거 10~15분간의 센서 데이터를 사용하여 게임 장르에 따라 76.6%에서 87%의 높은 정확도로 틸트 상태를 예측하는 데 성공했습니다 [12]. 단, 이러한 예측 모델은 선수 개인마다 고유한 생리적 반응을 보이므로 일반화된 모델보다 **개인화된(User-dependent) 모델을 적용할 때 분류 성능이 현저히 향상(약 27% 향상)**됩니다 [14]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[기계 학습(Machine Learning)]], [[생체 신호(Physiological Signals)]], [[심박 변이도(HRV)]], [[틸트(Tilt)]], [[몰입(Flow State)]] -- **Projects/Contexts:** 웨어러블 센서(EEG, EDA, 시선 추적기 등)를 기반으로 한 기계 학습 모델을 통해 e스포츠 선수의 실시간 인지 상태(작업 부하, 인지적 피로)를 감지하고 성과 하락(틸트)을 예측하기 위한 프레임워크 연구 [15], [12]. -- **Contradictions/Notes:** HRV 수치는 인지적 요구와 스트레스가 높은 압박 상황에서는 감소하지만, 플레이어가 고도의 집중과 기술적 균형을 이루는 '몰입(Flow)'에 진입했을 때는 반대로 증가하므로 측정 당시의 게임 문맥에 따른 세심한 해석이 필수적입니다 [7], [8]. 동공 크기 역시 단기적인 인지적 노력의 증가에는 확장되지만, 2시간 이상의 장기적인 인지적 피로 상태에서는 수축하는 상반된 반응을 보입니다 [5], [6]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/e스포츠 인지 상태 및 성과 위험 평가.md]] ---- diff --git a/AI/가상화 (Virtualization).md b/AI/가상화 (Virtualization).md deleted file mode 100644 index 2e4fb06b..00000000 --- a/AI/가상화 (Virtualization).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-9E9923 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - 가상화 (Virtualization)" ---- - -# [[가상화 (Virtualization)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/가상화 (Virtualization).md]] ---- diff --git a/AI/강화학습 (Reinforcement Learning).md b/AI/강화학습 (Reinforcement Learning).md deleted file mode 100644 index 0eb47e3f..00000000 --- a/AI/강화학습 (Reinforcement Learning).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-FE1230 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - 강화학습 (Reinforcement Learning)" ---- - -# [[강화학습 (Reinforcement Learning)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/강화학습 (Reinforcement Learning).md]] ---- diff --git a/AI/공급망 공격 (Supply Chain Attack).md b/AI/공급망 공격 (Supply Chain Attack).md deleted file mode 100644 index c7cb3f13..00000000 --- a/AI/공급망 공격 (Supply Chain Attack).md +++ /dev/null @@ -1,40 +0,0 @@ ---- -id: P-REINFORCE-AUTO-2BF446 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - 공급망 공격 (Supply Chain Attack)" ---- - -# [[공급망 공격 (Supply Chain Attack)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 공급망 공격(Supply Chain Attack)은 오픈소스 파이프라인이 상호 신뢰를 바탕으로 운영된다는 점을 악용하여, 널리 사용되는 합법적인 패키지나 개발 도구의 유지보수자 계정을 탈취해 악성 코드를 다운스트림 환경에 유포하는 공격 방식입니다 [1]. 한 명의 유지보수자 계정이나 단일 패키지가 손상되는 것만으로도 수천만 건의 설치로 피해가 파급될 수 있어 소프트웨어 생태계 전반에 대규모 위험을 초래합니다 [1, 2]. 코드 품질과 안전을 보장하기 위해 사용하는 도구 자체가 개발자를 공격하는 무기로 돌변할 수 있다는 점에서 현대 소프트웨어 개발의 중대한 위협으로 꼽힙니다 [2]. - -## 📖 구조화된 지식 (Synthesized Content) -* **공급망 공격의 원리와 위험성:** - 대부분의 소프트웨어 프로젝트는 수많은 서드파티 오픈소스 패키지와 의존성(Dependencies)을 바탕으로 구축됩니다. 공격자는 이러한 소프트웨어 공급망을 노리며, 유지보수자의 권한(예: npm 인증 토큰)을 피싱과 같은 기법으로 탈취합니다 [3, 4]. 이후 소스 코드 저장소(GitHub 등)에는 어떠한 커밋 흔적도 남기지 않고, 패키지 관리 레지스트리에 직접 악성 버전의 패키지를 게시하여 신뢰 체인을 무너뜨립니다 [3]. - -* **실제 공격 사례 (CVE-2025-54313):** - 2025년 7월 18일, 주당 3,000만 회 이상 다운로드되는 인기 npm 라이브러리인 `eslint-config-prettier`를 대상으로 대규모 공급망 공격이 발생했습니다 [2, 4, 5]. 공격자는 `npmjs.com` 로그인 페이지를 위장한 피싱 이메일로 메인테이너를 속여 권한 토큰을 탈취한 후, 4개 버전(8.10.1, 9.1.1, 10.1.6, 10.1.7)에 악성 코드를 심어 배포했습니다 [3, 4, 6]. 이 외에도 `eslint-plugin-prettier`, `synckit` 등 여러 패키지가 동시에 피해를 입었습니다 [6]. - -* **악성 페이로드 작동 방식:** - 해당 공격은 npm의 설치 후 스크립트(post-install script) 기능을 악용했습니다. 패키지가 설치되는 즉시 `install.js` 파일이 실행되며, 내부의 `logDiskSpace()`라는 위장된 함수를 통해 `node-gyp.dll`이라는 악성 DLL 파일을 드롭(drop)하고 Windows의 `rundll32` 시스템 프로세스로 이를 실행시켰습니다 [7]. 이를 통해 공격자는 Windows를 사용하는 개발자의 로컬 머신이나 CI(지속적 통합) 호스트에서 원격 코드 실행(RCE) 권한을 획득할 수 있었습니다 [2, 3]. (이 악성 코드는 Linux나 macOS 환경에서는 즉시 종료되도록 설계되었습니다 [7, 8]). - -* **대응 및 방어 전략:** - "유지보수자의 보안이 곧 공급망 보안(Maintainer Security is Supply Chain Security)"입니다 [1]. 향후 이러한 공격을 예방하기 위해서는 다중 인증(MFA)의 강제 적용, 권한이 좁게 제한된 토큰(scoped tokens)의 사용, 더 엄격한 npm 게시 정책이 필수적입니다 [1]. 프로젝트 차원에서는 `package-lock.json`이나 `yarn.lock` 파일을 검토해 침해된 버전을 배제하고 알려진 안전한 버전으로 고정(Pinning)해야 하며, 빌드 파이프라인의 비정상적인 활동을 즉각 감사해야 합니다 [9]. 또한, 서드파티 라이브러리의 취약점을 파악하고 공급망 리스크를 완화하기 위해 SCA(Software Composition Analysis) 도구를 정기적으로 활용해야 합니다 [10, 11]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[CVE-2025-54313]], [[Software Composition Analysis (SCA)]], [[eslint-config-prettier]] -- **Projects/Contexts:** [[npm registry]], [[Open Source Security]] -- **Contradictions/Notes:** 소스에 관련된 모순점은 발견되지 않았습니다. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/공급망 공격 (Supply Chain Attack).md]] ---- diff --git a/AI/대규모 React 프론트엔드 최적화.md b/AI/대규모 React 프론트엔드 최적화.md deleted file mode 100644 index 722de782..00000000 --- a/AI/대규모 React 프론트엔드 최적화.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-FAAB3D -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - 대규모 React 프론트엔드 최적화" ---- - -# [[대규모 React 프론트엔드 최적화]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/대규모 React 프론트엔드 최적화.md]] ---- diff --git a/AI/도메인 주도 설계 (Domain-Driven Design DDD).md b/AI/도메인 주도 설계 (Domain-Driven Design DDD).md deleted file mode 100644 index 17be026d..00000000 --- a/AI/도메인 주도 설계 (Domain-Driven Design DDD).md +++ /dev/null @@ -1,40 +0,0 @@ ---- -id: P-REINFORCE-AUTO-B7F6A8 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - 도메인 주도 설계 (Domain-Driven Design DDD)" ---- - -# [[도메인 주도 설계 (Domain-Driven Design DDD)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 도메인 주도 설계(DDD)는 비즈니스 도메인에 대한 깊은 이해를 중심으로 소프트웨어 개발 프로세스를 구성하는 설계 접근 방식입니다 [1]. 기술 팀과 도메인 전문가 간의 긴밀한 협력을 바탕으로 현실 세계의 비즈니스 프로세스를 정확하게 반영하는 소프트웨어 모델을 생성하는 것을 목표로 합니다 [1]. 이를 통해 시스템의 복잡성을 해결하고 개발자와 비즈니스 이해관계자 간의 의사소통 격차를 해소하여, 결과적으로 소프트웨어가 올바른 문제를 해결할 수 있도록 보장합니다 [1]. - -## 📖 구조화된 지식 (Synthesized Content) -- **유비쿼터스 언어(Ubiquitous Language)의 확립:** - DDD의 핵심 목표 중 하나는 프로젝트에 참여하는 모든 사람(개발자 및 도메인 전문가 등)이 공유하는 공통 어휘 사전인 '유비쿼터스 언어'를 만드는 것입니다 [1, 2]. 이 언어는 일상적인 대화, 문서화는 물론 실제 코드 자체에서도 동일하게 사용되어야 하며, 이를 통해 요구사항에 대한 오해를 방지하고 도메인 모델을 명확히 합니다 [1, 2]. -- **제한된 컨텍스트(Bounded Contexts)를 통한 복잡성 관리:** - 크고 복잡한 도메인은 '주문 관리'나 '고객 지원'과 같이 더 작고 관리하기 쉬운 하위 도메인인 '제한된 컨텍스트'로 분할됩니다 [3]. 각 컨텍스트는 고유한 모델과 유비쿼터스 언어를 유지하여 모델의 순수성을 보장하고, 각기 다른 책임 영역 간의 명확한 경계를 정의하여 도메인 로직을 캡슐화합니다 [3-5]. -- **전략적 모델링 구성 요소:** - - **애그리게잇(Aggregates):** 단일 단위로 취급할 수 있는 도메인 객체들의 클러스터입니다(예: `OrderLineItem` 객체를 포함하는 `Order`). 애그리게잇의 루트는 전체 클러스터의 일관성을 보장하며 트랜잭션 관리를 단순화하는 역할을 합니다 [3]. - - **엔티티(Entities)와 값 객체(Value Objects):** 고유한 정체성(Identity)을 바탕으로 구별되는 객체(예: `Customer` 엔티티)와, 고유 식별자 없이 오직 속성으로만 정의되는 객체(예: `ShippingAddress` 값 객체)를 명확히 구분하여 설계합니다 [3]. -- **도메인 로직의 격리 및 이벤트 스토밍(Event Storming):** - 핵심 비즈니스 로직은 데이터베이스나 UI 프레임워크와 같은 외부 인프라스트럭처 문제와 철저히 분리되어야 하며, 이를 통해 깔끔하고 테스트 및 유지보수가 쉬운 도메인 모델을 생성할 수 있습니다 [2]. 또한 비즈니스 도메인을 빠르게 탐색하고 도메인 이벤트, 명령, 애그리게잇을 식별하기 위해 '이벤트 스토밍(Event Storming)'과 같은 협업 워크샵을 적극적으로 활용하는 것이 권장됩니다 [2]. -- **도입 시 특징 및 적합한 환경:** - DDD는 깊은 도메인 모델링과 이해관계자의 지속적인 협업이 필수적이므로 초기 구현 복잡도와 리소스 요구 사항(분석 시간, 도메인 전문가 참여 등)이 상대적으로 높은 편입니다 [6]. 따라서 단순한 시스템보다는 금융, 의료, 이커머스와 같이 비즈니스 도메인이 매우 복잡한 엔터프라이즈 시스템 구축에 가장 이상적인 아키텍처 베스트 프랙티스입니다 [6]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[유비쿼터스 언어(Ubiquitous Language)]], [[제한된 컨텍스트(Bounded Contexts)]], [[애그리게잇(Aggregates)]], [[관심사의 분리(Separation of Concerns)]] -- **Projects/Contexts:** [[복잡한 비즈니스 도메인(금융, 의료, 이커머스 등)을 다루는 대규모 시스템 개발 프로젝트]] -- **Contradictions/Notes:** 소스 내에서 상충하는 주장은 발견되지 않으나, DDD는 비즈니스 구조와의 강력한 일치와 명확한 도메인 모델을 제공하는 큰 장점이 있는 반면, 도입 시 도메인 전문가와의 심도 있는 협업 모델링이 필요하여 중간에서 높음(Medium-High) 수준의 복잡성과 리소스가 요구된다는 점이 주의사항으로 지적됩니다 [6]. - ---- -*Last updated: 2026-04-18* -- Raw Source: [[00_Raw/2026-04-20/도메인 주도 설계 (Domain-Driven Design, DDD).md]] ---- diff --git a/AI/도파민 보상 체계 (Dopaminergic Reward System).md b/AI/도파민 보상 체계 (Dopaminergic Reward System).md deleted file mode 100644 index 6511532f..00000000 --- a/AI/도파민 보상 체계 (Dopaminergic Reward System).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-90ACEA -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - 도파민 보상 체계 (Dopaminergic Reward System)" ---- - -# [[도파민 보상 체계 (Dopaminergic Reward System)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/도파민 보상 체계 (Dopaminergic Reward System).md]] ---- diff --git a/AI/디자인 시스템 (Design Systems).md b/AI/디자인 시스템 (Design Systems).md deleted file mode 100644 index 76c25be9..00000000 --- a/AI/디자인 시스템 (Design Systems).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-891E2B -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - 디자인 시스템 (Design Systems)" ---- - -# [[디자인 시스템 (Design Systems)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/디자인 시스템 (Design Systems).md]] ---- diff --git a/AI/마이크로서비스 아키텍처 (Microservices Architecture).md b/AI/마이크로서비스 아키텍처 (Microservices Architecture).md deleted file mode 100644 index 16169ed4..00000000 --- a/AI/마이크로서비스 아키텍처 (Microservices Architecture).md +++ /dev/null @@ -1,46 +0,0 @@ ---- -id: P-REINFORCE-AUTO-303610 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - 마이크로서비스 아키텍처 (Microservices Architecture)" ---- - -# [[마이크로서비스 아키텍처 (Microservices Architecture)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 마이크로서비스 아키텍처(MSA)는 크고 복잡한 단일 애플리케이션을 비즈니스 도메인(Business Domain)을 중심으로 작고 독립적이며 자율적인 서비스들의 집합으로 구조화하는 소프트웨어 개발 접근 방식입니다 [1-3]. 각 마이크로서비스는 자체 프로세스에서 실행되며 주로 HTTP/REST API나 비동기 메시징 큐와 같은 경량화된 네트워크 메커니즘을 통해 통신합니다 [3, 4]. 이 아키텍처는 개별 서비스의 독립적인 개발, 배포 및 확장을 가능하게 하여 시스템의 유지보수성, 유연성 및 장애 복원력을 크게 향상시킵니다 [1, 5]. - -## 📖 구조화된 지식 (Synthesized Content) -* **핵심 개념 및 특징** - * 마이크로서비스는 단일 비즈니스 기능(Single business task)에 집중하며, 각 서비스가 자체 코드베이스, CI/CD 파이프라인 및 독립적인 데이터 저장소를 가집니다 [4, 6, 7]. - * 시스템을 작은 단위로 분해함으로써 각 팀은 자신이 담당한 서비스를 처음부터 끝까지 독립적으로 소유(End-to-End Ownership)할 수 있습니다 [5, 8]. - * 다양한 기술을 융합하여 사용할 수 있는 기술적 이질성(Technology Heterogeneity)을 지원하므로, 각 서비스의 특성에 맞는 최적의 도구와 데이터베이스(폴리글랏 프로그래밍 및 영속성)를 자율적으로 선택할 수 있습니다 [4, 9, 10]. - -* **마이크로서비스 도입의 주요 장점** - * **민첩성 및 확장성:** 단일 구조(Monolithic)와 달리 전체 애플리케이션을 재배포할 필요 없이 필요한 개별 서비스만 병렬로 개발하고 자주 업데이트하며, 유연하게 자원을 확장할 수 있습니다 [1, 9, 11]. - * **장애 복원력(Resilience):** 고장 격리(Fault isolation)를 통해 한 서비스에 장애가 발생하더라도 문제의 범위(Blast radius)를 최소화하여 전체 시스템의 중단으로 이어지지 않도록 설계할 수 있습니다 [9, 12, 13]. - * **조직적 효율성:** 넷플릭스(Netflix), 아마존(Amazon), 스포티파이(Spotify) 등의 기업 사례처럼 소규모 전담 팀에게 비즈니스 역량에 따른 책임을 분산하여 개발 속도와 혁신성을 크게 높일 수 있습니다 [1, 14, 15]. - -* **주요 단점 및 해결 과제** - * 분산 시스템의 본질적인 복잡성으로 인해 서비스 간 통신, 부분적 실패 처리, 모니터링 등의 추가적인 분산 처리 로직을 직접 구현해야 하며, 이를 지원할 고도로 숙련된 엔지니어가 필요합니다 [10, 11, 16]. - * 여러 서비스에 걸쳐 동작하는 요청과 트랜잭션을 관리하는 것이 매우 까다로우며, 각 서비스마다 독립적인 런타임(JVM 등)과 서버 공간을 유지해야 하므로 인프라 및 운영 비용이 증가합니다 [11, 16, 17]. - * 이에 대응하기 위해 회로 차단기(Circuit Breakers), 재시도(Retries) 등 실패를 대비한 설계와 컨테이너(Docker), 오케스트레이션(Kubernetes)을 활용한 운영 자동화의 도입이 필수적입니다 [18]. - -* **구성 패턴 (Composition Patterns)** - * 마이크로서비스 간의 통신과 흐름을 제어하기 위해 Aggregator, Proxy, Branch, Chained, Shared Resource 등 다양한 구성 패턴이 실무에서 활용됩니다 [19, 20]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[단일 애플리케이션 아키텍처 (Monolithic Architecture)]], [[관심사의 분리 (Separation of Concerns)]], [[도메인 주도 설계 (Domain-Driven Design)]], [[컨테이너 및 오케스트레이션 (Containers and Orchestration)]] -- **Projects/Contexts:** [[넷플릭스 코스모스 플랫폼 (Netflix Cosmos Platform)]], [[스포티파이 스쿼드 모델 (Spotify Squad Model)]] -- **Contradictions/Notes:** 일반적으로 마이크로서비스는 완벽한 모듈의 결합 분리와 배포 독립성을 가져다주는 것으로 간주되지만, 실제로는 시스템이 횡단 관심사(Cross-cutting concerns)나 공유 데이터 모델에 얽혀있을 경우 여러 서비스가 강하게 결합되는 '결합 분리의 오류' 및 '개발 및 배포 독립성의 오류'가 발생할 수 있습니다. 즉 서비스 간의 단순 물리적 분리만으로는 충분치 않으며, 서비스 내부의 아키텍처 경계와 의존성 규칙이 제대로 설계되어야 진정한 독립성을 확보할 수 있습니다 [21-24]. - ---- -*Last updated: 2026-04-18* -- Raw Source: [[00_Raw/2026-04-20/마이크로서비스 아키텍처 (Microservices Architecture).md]] ---- diff --git a/AI/벡터 데이터베이스 (Vector Database).md b/AI/벡터 데이터베이스 (Vector Database).md deleted file mode 100644 index f23cafd4..00000000 --- a/AI/벡터 데이터베이스 (Vector Database).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-A4C204 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - 벡터 데이터베이스 (Vector Database)" ---- - -# [[벡터 데이터베이스 (Vector Database)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/벡터 데이터베이스 (Vector Database).md]] ---- diff --git a/AI/보존 경로(Retaining Path).md b/AI/보존 경로(Retaining Path).md deleted file mode 100644 index c8efb674..00000000 --- a/AI/보존 경로(Retaining Path).md +++ /dev/null @@ -1,33 +0,0 @@ ---- -id: P-REINFORCE-AUTO-97AEC6 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - 보존 경로(Retaining Path)" ---- - -# [[보존 경로(Retaining Path)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 보존 경로(Retaining Path)는 메모리 누수를 조사할 때 특정 객체가 가비지 컬렉션(GC)에 의해 수거되지 않고 살아남게 만드는 참조 체인(chain of references)을 의미합니다 [1, 2]. V8 엔진은 전역 창(window) 객체나 활성 스택의 로컬 변수와 같은 루트 객체(GC Root)로부터 포인터 체인을 통해 도달 가능한 객체를 메모리에 유지해야 할 객체로 간주합니다 [3]. 개발자는 힙 스냅샷 도구나 특수 디버깅 플래그를 사용하여 이러한 보존 경로를 역추적하고 불필요한 참조를 식별하여 메모리 누수 문제를 해결할 수 있습니다 [2-4]. - -## 📖 구조화된 지식 (Synthesized Content) -* **보존 경로의 개념 및 역할:** 가비지 컬렉터는 루트 객체로부터 참조를 통해 도달할 수 있는 객체를 '살아있는(live)' 객체로 판단하여 수거 대상에서 제외합니다 [3, 5]. 메모리 누수가 발생했을 때, 객체가 왜 수거되지 않는지를 파악하기 위해서는 이 보존 경로를 추적하는 것이 필수적입니다 [4]. 모든 힙 스냅샷은 많은 후방(back) 참조와 루프를 포함하고 있어 하나의 객체에 여러 보존자가 존재할 수 있습니다 [5]. -* **개발자 도구(DevTools)를 통한 분석:** Chrome DevTools의 Memory 패널에서 힙 스냅샷(Heap Snapshot)이나 할당 타임라인(Allocation timeline)을 통해 특정 객체를 선택하면, 'Retainers(보존자)' 섹션에서 해당 객체의 보존 트리(Retaining tree)를 확인할 수 있습니다 [1, 2, 4, 6]. 이 트리는 누수된 객체에서부터 이를 붙잡고 있는 GC 루트까지의 경로를 역순(reverse)으로 보여줍니다 [3, 7]. -* **보존자 무시(Ignore retainers) 기능:** DevTools에서는 특정 보존자를 마우스 우클릭하여 "Ignore this retainer"를 선택함으로써 해당 참조를 숨길 수 있습니다 [8]. 이를 통해 코드를 직접 수정하여 참조를 제거한 뒤 스냅샷을 다시 찍는 번거로운 과정 없이, 다른 객체가 해당 객체를 계속 보존하고 있는지 쉽게 파악할 수 있습니다 [8]. -* **로우레벨(Low-level) 추적:** 매우 복잡한 누수의 경우 V8의 내부 함수인 `%DebugTrackRetainingPath(object)`를 사용할 수 있습니다 [3, 9]. `--allow-natives-syntax` 및 `--track-retaining-path` 런타임 플래그와 함께 실행하면, GC가 발생할 때마다 보존 경로 내 모든 내부 객체의 16진수 주소와 타입을 출력하여 DevTools UI의 추상화를 우회하는 세부적인 로그를 얻을 수 있습니다 [3, 9]. gdb나 lldb와 같은 디버거 세션 중에도 `isolate->heap()->PrintRetainingPath(HeapObject*)` 명령을 통해 객체의 보존 경로를 출력할 수 있습니다 [10]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[Garbage Collection]], [[Heap Snapshot]], [[GC Root]], [[Memory Leak]] -- **Projects/Contexts:** [[V8 Engine]], [[Chrome DevTools]], [[Node.js Memory Management]] -- **Contradictions/Notes:** 소스 내에 상충되는 내용은 없습니다. 보존 경로는 개념적으로 루트(Root) 객체로부터 시작되는 포인터의 체인이지만, DevTools 등의 분석 도구에서는 누수된 객체에서 루트로 올라가는 역순(reverse)으로 경로를 시각화하여 디버깅을 돕습니다 [3]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/보존 경로(Retaining Path).md]] ---- diff --git a/AI/보편적 언어 (Ubiquitous Language).md b/AI/보편적 언어 (Ubiquitous Language).md deleted file mode 100644 index 3e05d30e..00000000 --- a/AI/보편적 언어 (Ubiquitous Language).md +++ /dev/null @@ -1,32 +0,0 @@ ---- -id: P-REINFORCE-AUTO-560AB4 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - 보편적 언어 (Ubiquitous Language)" ---- - -# [[보편적 언어 (Ubiquitous Language)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 보편적 언어(Ubiquitous Language)는 도메인 주도 설계(Domain-Driven Design)에서 복잡성을 해결하기 위해 프로젝트의 모든 참여자가 공통으로 사용하는 공유 언어입니다 [1]. 이는 개발자와 비즈니스 이해관계자 간의 의사소통 격차를 해소하는 공통 어휘 역할을 합니다 [1]. 궁극적으로 소프트웨어가 올바른 비즈니스 문제를 해결하도록 보장하는 데 핵심적인 목적이 있습니다 [1]. - -## 📖 구조화된 지식 (Synthesized Content) -- **개념 및 목적:** 보편적 언어는 도메인 전문가와 긴밀히 협력하여 용어에 대한 공유 사전(glossary)을 생성하고 유지함으로써 비즈니스 도메인의 복잡성을 다루는 방식입니다 [1, 2]. -- **적용 범위:** 이 언어는 단순히 구두 대화에만 국한되지 않으며, 프로젝트의 문서화 작업은 물론 실제 소프트웨어 코드 자체에서도 동일하고 일관되게 사용되어야 합니다 [2]. -- **Bounded Contexts와의 연관성:** 크고 복잡한 도메인은 '주문 관리'나 '고객 지원'과 같이 더 작고 관리하기 쉬운 'Bounded Contexts'로 나뉩니다 [3]. 각각의 Bounded Context는 고유한 모델과 자신만의 보편적 언어를 가지며, 이를 통해 각 소프트웨어 모델을 순수하고 집중된 상태로 유지할 수 있습니다 [3]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[Domain-Driven Design (DDD)]], [[Bounded Contexts]] -- **Projects/Contexts:** [[소프트웨어 아키텍처 설계]] -- **Contradictions/Notes:** 소스에 관련 정보가 부족합니다. - ---- -*Last updated: 2026-04-18* -- Raw Source: [[00_Raw/2026-04-20/보편적 언어 (Ubiquitous Language).md]] ---- diff --git a/AI/브라우저 메모리 누수 탐지(Browser Memory Leak Detection).md b/AI/브라우저 메모리 누수 탐지(Browser Memory Leak Detection).md deleted file mode 100644 index 8b6b3a29..00000000 --- a/AI/브라우저 메모리 누수 탐지(Browser Memory Leak Detection).md +++ /dev/null @@ -1,40 +0,0 @@ ---- -id: P-REINFORCE-AUTO-CC0FCE -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - 브라우저 메모리 누수 탐지(Browser Memory Leak Detection)" ---- - -# [[브라우저 메모리 누수 탐지(Browser Memory Leak Detection)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 브라우저 메모리 누수는 가비지 컬렉션(GC) 대상이 되어야 할 객체들이 Window, 클로저, 이벤트 리스너 등의 GC 루트(Roots)에 의해 계속 참조되어 메모리에서 해제되지 않는 현상이다 [1]. 이를 탐지하고 원인을 파악하기 위해 주로 Chrome DevTools의 힙 스냅샷(Heap snapshot)과 할당 타임라인(Allocation timeline) 도구가 사용된다 [1, 2]. 이러한 도구들을 활용하면 메모리에 남아 있는 객체의 참조 체인(Retainers)과 할당된 스택 트레이스를 분석하여 애플리케이션의 메모리 누수 근본 원인을 식별할 수 있다 [2]. - -## 📖 구조화된 지식 (Synthesized Content) -* **메모리 누수의 정의 및 주요 원인:** - 브라우저 자바스크립트에서 메모리 누수는 메모리가 단순히 '손실'되는 것이 아니라, 더 이상 사용할 필요가 없는 객체가 참조를 유지하여 가비지 컬렉터가 회수하지 못하는 상태를 의미한다 [1]. 현대 프론트엔드 애플리케이션의 주요 누수 패턴으로는 문서에서 제거된 DOM 요소가 자바스크립트 변수에 계속 참조되는 '분리된 DOM 노드(Detached DOM nodes)', 해제되지 않은 '이벤트 리스너 누적', 공유 스코프 객체로 인한 '클로저 스코프 보존(Closure scope retention)', 그리고 정리되지 않은 '타이머 및 옵저버(Forgotten timers and observers)' 등이 있다 [3-5]. 특히 SPA(Single Page Application)의 라우트 전환 시 이전 라우트의 컴포넌트가 제대로 정리되지 않는 것이 누수의 가장 큰 원인 중 하나이다 [6]. - -* **힙 스냅샷(Heap Snapshot)을 활용한 탐지:** - 힙 스냅샷은 특정 시점의 전체 객체 그래프를 캡처한다 [2]. 누수를 찾는 가장 신뢰할 수 있는 방법은 '3-스냅샷 기법(Three-snapshot technique)'이다. 기준점(스냅샷 1)을 잡고 누수 의심 작업을 수행한 뒤 스냅샷 2를 캡처하고, 같은 작업을 반복한 뒤 스냅샷 3을 캡처한다 [7]. 이후 스냅샷 2와 3을 비교(Comparison 뷰 활용)하여 지속적으로 살아남는 객체를 찾으면 일회성 할당에 의한 오탐지를 필터링할 수 있다 [2, 7, 8]. 'Retainers' 패널을 통해 해당 객체를 메모리에 살아있게 만드는 참조 체인을 추적하여 원인을 파악할 수 있다 [2, 9]. - -* **할당 타임라인(Allocation Timeline):** - 할당 타임라인 도구는 일정 기간 동안의 모든 메모리 할당과 스택 트레이스를 기록한다 [2]. 타임라인에 표시되는 파란색 막대는 타임라인 종료 시점까지 여전히 살아있는(누수 의심) 객체를, 회색 막대는 이미 가비지 컬렉션된 객체를 나타낸다 [2, 10-12]. 특정 시간대의 파란색 막대를 확대하여 생성자(Constructor)와 할당 스택(Allocation stack)을 확인하면, 해당 객체가 코드의 어느 위치에서 생성되었는지 정확히 추적할 수 있다 [2, 11, 13]. - -* **주의사항 및 프로덕션 환경 측정:** - DevTools 힙 스냅샷에는 V8 내부 객체도 수천 개 포함되므로 애플리케이션 객체에 집중하기 위해 필터링이 필요하다 [6]. 또한, `console.log`는 로깅된 객체에 대한 참조를 유지하므로 누수 조사 중에는 사용을 피하거나 콘솔을 주기적으로 지워야 한다 [6]. 프로덕션 환경에서는 전체 추적에 따른 오버헤드를 피하기 위해 통계적 샘플링을 사용하는 '할당 샘플링(Allocation sampling)'이나 프로그래밍 방식으로 메모리 사용량을 측정하는 `performance.measureUserAgentSpecificMemory()` API를 활용할 수 있다 [3, 6]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[가비지 컬렉션(Garbage Collection)]], [[힙 스냅샷(Heap Snapshot)]], [[클로저(Closures)]], [[V8 엔진(V8 Engine)]] -- **Projects/Contexts:** [[Chrome DevTools]], [[Single Page Applications (SPA)]] -- **Contradictions/Notes:** 메모리 사용량 그래프가 증가한다고 해서 모두 누수는 아니다. 캐시, 실행 취소 내역, 가상화된 리스트 버퍼 등은 의도적으로 데이터를 유지하는 것이므로, 의도적인 보존(Intentional retention)과 우발적인 누수(Accidental retention)를 반드시 구별해야 한다 [6]. 또한, `WeakRef`와 `FinalizationRegistry`를 사용해 누수에 강한 패턴을 작성할 수는 있으나, GC의 실행 시점은 비결정적이므로 이를 적절한 생명주기 관리의 대체재로 사용해서는 안 된다 [5]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/브라우저 메모리 누수 탐지(Browser Memory Leak Detection).md]] ---- diff --git a/AI/비즈니스 도메인 모델링 (Business Domain Modeling).md b/AI/비즈니스 도메인 모델링 (Business Domain Modeling).md deleted file mode 100644 index 7e9b0cf2..00000000 --- a/AI/비즈니스 도메인 모델링 (Business Domain Modeling).md +++ /dev/null @@ -1,39 +0,0 @@ ---- -id: P-REINFORCE-AUTO-980499 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - 비즈니스 도메인 모델링 (Business Domain Modeling)" ---- - -# [[비즈니스 도메인 모델링 (Business Domain Modeling)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 비즈니스 도메인 모델링은 기술 팀과 도메인 전문가가 긴밀히 협력하여 실제 비즈니스 프로세스를 정확하게 반영하는 소프트웨어 모델을 구축하는 접근 방식입니다 [1]. 이 모델링 과정은 복잡한 비즈니스 로직을 부차적인 것으로 취급하지 않고 애플리케이션의 핵심으로 삼으며, 개발자와 비즈니스 이해관계자 간의 의사소통 격차를 줄이는 '보편적 언어(Ubiquitous Language)'를 생성하여 시스템의 복잡성을 해결하는 것을 목표로 합니다 [1]. 이를 통해 크고 복잡한 비즈니스 도메인을 작고 관리하기 쉬운 하위 도메인으로 나누어 체계적으로 구조화할 수 있습니다 [2]. - -## 📖 구조화된 지식 (Synthesized Content) -**비즈니스 도메인 모델의 핵심 구성 요소** -비즈니스 도메인 모델링(도메인 주도 설계, DDD)을 실무에 적용할 때는 아키텍처를 주도하는 상호 연결된 개념들의 집합으로 비즈니스 도메인을 모델링합니다 [2]. -* **제한된 컨텍스트 (Bounded Contexts):** 크고 복잡한 도메인을 '주문 관리'나 '고객 지원'과 같이 작고 관리하기 쉬운 하위 도메인으로 분할한 것입니다 [2]. 각 컨텍스트는 고유한 모델과 보편적 언어를 가져 모델을 순수하고 집중된 상태로 유지합니다 [2]. -* **집재체 (Aggregates):** 단일 단위로 취급될 수 있는 도메인 객체들의 클러스터를 의미합니다 [2]. 예를 들어, '주문'은 '주문 명세(OrderLineItem)' 객체를 포함하는 집재체가 될 수 있으며, 집재체의 루트는 클러스터 전체의 일관성을 보장하여 트랜잭션 관리를 단순화합니다 [2]. -* **엔티티(Entities)와 값 객체(Value Objects):** 비즈니스 개념은 뚜렷한 정체성을 가진 객체인 '엔티티'와 순전히 속성에 의해서만 정의되는 '값 객체'로 구분됩니다 [2]. 고객은 엔티티이고 배송지 주소는 값 객체가 될 수 있습니다 [2]. 특히 엔티티는 핵심 업무 데이터를 기반으로 동작하는 핵심 업무 규칙을 구체화하며, 시스템의 표현 형식이나 데이터 저장 방식과 무관하게 독립적으로 존재해야 합니다 [3-5]. - -**성공적인 모델링을 위한 실행 전략** -* **보편적 언어 (Ubiquitous Language) 확립:** 도메인 전문가와 긴밀히 협력하여 대화, 문서, 나아가 코드 자체에서도 사용되는 용어의 공유 사전을 만들어야 합니다 [1, 6]. -* **도메인 로직의 격리:** 핵심 비즈니스 로직을 데이터베이스나 UI 프레임워크와 같은 인프라 관심사로부터 엄격히 분리해야 합니다 [6]. 이는 클린 아키텍처(Clean Architecture)의 핵심 원칙과도 맞닿아 있으며, 유지보수와 테스트가 용이한 도메인 모델을 생성합니다 [6, 7]. -* **이벤트 스토밍 (Event Storming) 활용:** 팀이 비즈니스 도메인을 탐색하기 위해 협력적인 워크샵을 진행하며, 이를 통해 도메인 이벤트, 명령 및 집재체를 빠르게 식별하여 모델의 탄탄한 기반을 마련할 수 있습니다 [6]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[Domain-Driven Design (DDD)]], [[Bounded Contexts]], [[Ubiquitous Language]], [[Entities]], [[Clean Architecture]] -- **Projects/Contexts:** [[마이크로서비스 아키텍처 (Microservices Architecture)]] (비즈니스 도메인 역량을 중심으로 세분화된 작고 자율적인 서비스 집합으로 시스템을 구축할 때 주요하게 활용됩니다 [8]), [[복잡한 비즈니스 도메인 프로젝트]] (금융, 의료, 이커머스 등 비즈니스 규칙이 방대하고 복잡한 엔터프라이즈 시스템 구축에 특히 이상적입니다 [9]). -- **Contradictions/Notes:** 관련 주제 및 구현 방식에 있어서 소스 간 직접적인 모순은 없으나, 도메인 중심 모델링은 심층적인 도메인 분석과 도메인 전문가와의 지속적인 협력이 요구되므로 구현 복잡성(Implementation Complexity)이 매우 높습니다 [9]. 따라서 단순한 시스템보다는 비즈니스 로직이 핵심인 장기적이고 중대한(Mission-critical) 시스템에 적용하는 것이 권장됩니다 [7, 9]. - ---- -*Last updated: 2026-04-18* -- Raw Source: [[00_Raw/2026-04-20/비즈니스 도메인 모델링 (Business Domain Modeling).md]] ---- diff --git a/AI/빌보드 임포스터(Billboard Impostors).md b/AI/빌보드 임포스터(Billboard Impostors).md deleted file mode 100644 index 2eba1e4c..00000000 --- a/AI/빌보드 임포스터(Billboard Impostors).md +++ /dev/null @@ -1,32 +0,0 @@ ---- -id: P-REINFORCE-AUTO-143607 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - 빌보드 임포스터(Billboard Impostors)" ---- - -# [[빌보드 임포스터(Billboard Impostors)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 빌보드 임포스터(Billboard Impostor)는 카메라에서 멀리 떨어진 복잡한 3D 지오메트리를 미리 렌더링된 이미지가 맵핑된 카메라를 향하는 2D 평면(Quad)으로 대체하는 렌더링 최적화 기법입니다 [1]. 모델을 여러 각도(보통 8~16개)에서 캡처한 이미지를 사용하여 3D 객체와 같은 착시를 만들어냅니다 [1]. 렌더링에 필요한 폴리곤 수를 단 2개로 줄여 GPU 리소스 소모를 99.9%까지 감소시키며, 배경 캐릭터나 식생, 먼 거리의 환경 디테일을 표현하는 데 매우 효과적입니다 [1, 2]. - -## 📖 구조화된 지식 (Synthesized Content) -* **작동 원리 및 데이터 구조:** 빌보드 임포스터는 다양한 수평 각도에서 미리 렌더링된 3D 객체의 이미지 뷰(보통 8~16개)를 텍스처 배열이나 플립북 애니메이션 형태로 저장해 둡니다 [1]. 모델이 최대 LOD(Level of Detail) 거리를 초과하면, 시스템은 2개의 폴리곤으로 이루어진 단순한 2D 평면(Quad) 위에 카메라의 현재 시야각과 가장 일치하는 텍스처 뷰를 매칭하여 렌더링합니다 [1]. -* **성능 최적화 이점:** 멀리 떨어진 객체를 매우 단순한 지오메트리(단일 평면)로 렌더링하여 GPU 자원 소모를 99.9%가량 줄여줍니다 [1, 3]. 자세히 관찰되지 않는 배경 캐릭터, 환경의 세부 장식 요소뿐만 아니라, 주로 실루엣만이 필요한 그림자(Shadows) 생성 시에도 매우 뛰어난 단일 LOD 역할을 수행합니다 [1, 2]. -* **시각적 한계 및 대안적 접근:** 2D 스프라이트 기반의 임포스터는 시점을 변경할 때 이미지가 튀는 듯한 '팝핑(Popping)' 현상이 매우 두드러지게 나타날 수 있으며, 여러 장의 텍스처를 저장하기 위한 메모리 비용이 발생합니다 [4]. 밀집된 숲과 같은 환경에서 이러한 한계를 극복하기 위해, 여러 평면을 교차시켜 팝핑을 줄인 '카드보드 임포스터(Cardboard Impostors)'나 메모리 비용을 낮추고 시각적 3D 전환이 부드러운 '볼륨 헐 임포스터(Volume Hull Impostors, VHI)' 기술 등이 대안으로 사용되기도 합니다 [4, 5]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[Level of Detail (LOD)]], [[Texture Atlas/Array]], [[Draw Call Optimization]] -- **Projects/Contexts:** [[대규모 3D 환경 렌더링(Large-scale environments)]], [[Three.js 성능 최적화]], [[Tesseract 엔진(Tesseract Engine)]] -- **Contradictions/Notes:** 소스에 따르면 빌보드 임포스터는 GPU 연산량을 획기적으로 줄여주지만, 다각도의 텍스처를 유지해야 하는 메모리 비용 부담이 따르며 각도 전환 시 시각적인 '팝핑(Popping)' 결함이 발생할 수 있습니다 [4]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/빌보드 임포스터(Billboard Impostors).md]] ---- diff --git a/AI/상태 관리 최적화 (Zustand Jotai Valtio).md b/AI/상태 관리 최적화 (Zustand Jotai Valtio).md deleted file mode 100644 index b933142b..00000000 --- a/AI/상태 관리 최적화 (Zustand Jotai Valtio).md +++ /dev/null @@ -1,48 +0,0 @@ ---- -id: P-REINFORCE-AUTO-5B0AFD -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - 상태 관리 최적화 (Zustand Jotai Valtio)" ---- - -# [[상태 관리 최적화 (Zustand Jotai Valtio)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> React의 기본 Context API가 유발하는 불필요한 연쇄 리렌더링 문제를 극복하기 위해, 상태 업데이트 빈도와 아키텍처에 맞춰 각기 다른 철학(Flux, Atomic, Proxy)을 가진 최신 경량 상태 관리 라이브러리를 도입하여 필요한 컴포넌트만 정밀하게 렌더링(Fine-grained reactivity)하는 성능 최적화 기법입니다. - -## 📖 구조화된 지식 (Synthesized Content) -**1. React Context의 성능 병목 한계** React Context는 애플리케이션의 테마나 사용자 정보처럼 가끔 변하는 데이터를 공유하기에는 훌륭하지만, 내부 값 중 하나만 변경되어도 이를 구독하는 전체 컴포넌트 트리가 리렌더링되는 폭포수(Cascading) 현상을 유발합니다. 고빈도 업데이트가 필요한 실시간 대시보드나 게임 등에서는 이러한 Context를 분할하거나, Zustand, Jotai, Valtio 같은 최적화된 대안 상태 관리 라이브러리로 대체해야 합니다. - -**2. Zustand (단순화된 Flux 패턴)** 보일러플레이트를 최소화한 약 1.1KB 크기의 경량 중앙 집중식 스토어입니다. - -- **특징 및 최적화:** 컴포넌트는 `useStore(state => state.value)`와 같은 선택적 구독(Selector) 패턴을 통해 자신이 필요한 상태가 변할 때만 리렌더링되도록 제어할 수 있습니다. -- **주의사항:** Zustand는 기본적으로 얕은 비교(Shallow equality)를 수행하므로, 셀렉터 내부에서 `filter`나 `map`을 통해 매 렌더링마다 새로운 배열이나 객체를 반환하게 하면 최적화가 무력화되어 전체 리렌더링이 발생합니다. 따라서 셀렉터를 분할하여 사용하는 수동 최적화가 중요합니다. - -**3. Jotai (원자적 상태 구성)** 상태를 가장 작은 독립 단위인 '아톰(Atom)'으로 분해하여 관리하는 상향식(Bottom-up) 모델입니다. - -- **특징 및 최적화:** 파생된 아톰(Derived atom)들은 종속성이 변경될 때 자동으로 재계산되며, 컴포넌트는 자신이 읽는 아톰이 변경될 때만 리렌더링됩니다. Zustand처럼 수동으로 셀렉터를 최적화할 필요 없이 자동 최적화가 이루어지므로 미세 조정이 매우 뛰어납니다. -- **활용:** 다중 사용자가 다른 부분을 수정하는 실시간 협업 에디터와 같이 복잡한 파생 상태 및 실시간 업데이트가 잦은 앱에 가장 탁월합니다. 번들 크기는 약 2.9KB입니다. - -**4. Valtio (Proxy 기반 가변 상태)** ES6 Proxy를 활용하여 개발자가 일반 객체를 다루듯 상태를 직접 변형(Mutation)하면, 라이브러리 내부에서 이를 추적해 불변(Immutable) 상태 업데이트로 변환해 주는 방식입니다. - -- **특징 및 최적화:** 컴포넌트가 렌더링 중 어떤 속성(Property)에 접근했는지를 프록시가 자동으로 추적하여, 정확히 해당 속성이 변경될 때만 리렌더링을 발생시킵니다. 깊게 중첩된 객체를 업데이트할 때 전개 연산자(Spread operator)를 쓸 필요가 없어 보일러플레이트가 크게 줄어듭니다. -- **활용:** 복잡한 설정 패널, 깊은 중첩 상태, 잦은 작은 업데이트가 필요한 게임 상태 관리에 최적화되어 있습니다. 번들 크기는 약 3.5KB입니다. - -**5. 하이브리드 아키텍처 전략** 복잡한 프로덕션 앱(예: 대규모 게임 엔진)에서는 반드시 하나의 상태 관리 도구만 고집할 필요가 없습니다. 예를 들어, 사용자의 점수, 게임 스테이지 같은 '저빈도 전역 상태'는 Zustand로 관리하고, 물리 엔진과 연동되어 매 프레임 좌표가 변하는 3D 엔티티들의 '고빈도 세부 상태'는 Valtio를 통해 렌더링을 제어하는 식으로 각 도구의 장점을 살린 아키텍처 역할 분담이 권장됩니다. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[불필요한 리렌더링 방지]], [[React Context API 한계]], [[React Performance Optimization]], [[가변 프록시(Mutable Proxy) 상태]] -- **Projects/Contexts:** [[장기 실행되는 실시간 데이터 대시보드 최적화]], [[고성능 실시간 상호작용 시스템을 위한 React 기반 게임 엔진 아키텍처]] -- **Contradictions/Notes:** 많은 개발자들이 Zustand를 도입하기만 하면 성능이 좋아질 것이라 오해하지만, 컴포넌트에서 전체 상태를 가져오거나 셀렉터에서 파생 객체를 무분별하게 반환하면 오히려 성능이 악화될 수 있습니다. 최적의 성능을 위해서는 사용 패턴에 대한 정확한 이해(수동 셀렉터 분리)가 동반되어야 합니다. - ---- - -_Last updated: 2026-04-15_ -- Raw Source: [[00_Raw/2026-04-20/상태 관리 최적화 (Zustand, Jotai, Valtio).md]] ---- diff --git a/AI/서플라이 체인 보안 (Supply Chain Security).md b/AI/서플라이 체인 보안 (Supply Chain Security).md deleted file mode 100644 index 022b0dfe..00000000 --- a/AI/서플라이 체인 보안 (Supply Chain Security).md +++ /dev/null @@ -1,39 +0,0 @@ ---- -id: P-REINFORCE-AUTO-E85988 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - 서플라이 체인 보안 (Supply Chain Security)" ---- - -# [[서플라이 체인 보안 (Supply Chain Security)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 서플라이 체인 보안(Supply Chain Security)은 소프트웨어 공급망, 특히 애플리케이션에 통합되는 오픈소스 종속성 및 서드파티 컴포넌트와 관련된 위험을 완화하는 데 중점을 두는 보안 영역입니다 [1, 2]. 이는 합법적인 패키지가 손상되거나 메인테이너 계정이 탈취되어 악성 코드가 배포되는 공급망 공격으로부터 소프트웨어 개발 파이프라인을 보호하는 과정을 포함합니다 [3-5]. 이러한 공급망 위험을 관리하고 라이선스 정책 등을 강제하기 위해 SCA(소프트웨어 구성 분석) 도구와 SBOM(소프트웨어 자재 명세서) 활용이 필수적입니다 [1, 2]. - -## 📖 구조화된 지식 (Synthesized Content) -* **공급망 공격의 본질 및 위협** - 최근의 오픈소스 공급망 공격은 주로 시스템 내의 비밀 정보(secrets)를 유출하는 데 초점을 맞추고 있습니다 [6]. 대부분의 오픈소스 파이프라인은 '신뢰'를 기반으로 작동하기 때문에 공격자들은 피싱 등을 통해 메인테이너의 계정(예: npm 토큰)을 탈취하는 방식을 사용합니다 [4, 7]. 메인테이너 한 명의 계정이 손상되더라도 인기 있는 패키지의 악성 버전이 게시되어 수천만 건의 다운스트림 설치에 연쇄적인 피해를 줄 수 있습니다 [4]. - -* **주요 공급망 공격 사례** - 대표적인 사례로 `eslint-config-prettier` 패키지의 손상(CVE-2025-54313)이 있습니다. 공격자는 탈취한 토큰을 통해 악성 설치 스크립트(`install.js`)를 삽입하여 Windows 개발자 머신이나 CI 호스트를 표적으로 삼고 원격 코드 실행(RCE)을 시도했습니다 [3, 7, 8]. 또한, `tj-actions/changed-files` GitHub Action을 표적으로 삼아 합법적인 오픈소스 패키지를 손상시킨 공급망 공격 사례도 보고되었습니다 [5]. - -* **위험 완화 및 방어 전략** - * **메인테이너 보안 강화:** 메인테이너의 보안이 곧 서플라이 체인 보안의 핵심입니다. 이를 위해 다중 인증(MFA) 적용, 권한이 제한된 토큰(scoped tokens) 사용, 엄격한 패키지 게시 관행의 도입이 필요합니다 [4]. - * **보안 도구 및 인벤토리 관리:** 서드파티 및 오픈소스 종속성을 대량으로 사용하는 환경에서는 알려진 취약점을 찾아내는 SCA(Software Composition Analysis) 도구를 통해 위험을 관리해야 합니다 [2]. 또한 SBOM(Software Bill of Materials)을 생성하여 소프트웨어 인벤토리를 명확히 하고 종속성 위험을 모니터링해야 합니다 [1]. - * **침해 발생 시 대응:** 손상된 패키지가 발견되면 해당 버전의 설치를 피하고 안전한 버전으로 종속성을 고정(pinning)해야 합니다 [9]. 아울러 `package-lock.json`이나 `yarn.lock` 파일을 검토하고, CI/CD 파이프라인의 이상 징후를 감사하며, 빌드 과정에서 노출되었을 가능성이 있는 모든 비밀 정보(secrets)를 즉시 교체해야 합니다 [9]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[Software Composition Analysis (SCA)]], [[SBOM (Software Bill of Materials)]], [[오픈소스 보안]] -- **Projects/Contexts:** [[CVE-2025-54313 (`eslint-config-prettier` 공격)]], [[`tj-actions/changed-files` 공격]] -- **Contradictions/Notes:** 소스에 따르면 오픈소스 생태계는 '신뢰'에 극도로 의존하여 운영되고 있으나, 바로 이러한 신뢰 모델 때문에 한 명의 개발자 계정에 대한 피싱 공격이 거대한 소프트웨어 서플라이 체인 전체를 위험에 빠뜨리는 구조적 취약점이 됨을 경고하고 있습니다 [4]. - ---- -*Last updated: 2026-04-18* -- Raw Source: [[00_Raw/2026-04-20/서플라이 체인 보안 (Supply Chain Security).md]] ---- diff --git a/AI/소프트웨어 개발 수명 주기 (SDLC).md b/AI/소프트웨어 개발 수명 주기 (SDLC).md deleted file mode 100644 index 00ebed66..00000000 --- a/AI/소프트웨어 개발 수명 주기 (SDLC).md +++ /dev/null @@ -1,33 +0,0 @@ ---- -id: P-REINFORCE-AUTO-C931C8 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - 소프트웨어 개발 수명 주기 (SDLC)" ---- - -# [[소프트웨어 개발 수명 주기 (SDLC)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 소프트웨어 개발 수명 주기(SDLC)는 소프트웨어를 개발하고 유지보수하는 전체 과정을 의미합니다. 현대의 SDLC는 정적 분석(SAST)과 AI 도구를 초기 단계부터 통합하여 취약점을 조기에 발견하고 수정하는 '시프트 레프트(Shift-Left)' 접근법을 강조합니다 [1-3]. 이를 통해 조직은 개발 수명 주기 내내 AI가 생성한 코드를 포함한 모든 소프트웨어의 보안, 유지보수성, 품질을 효율적으로 관리할 수 있습니다 [1, 4, 5]. - -## 📖 구조화된 지식 (Synthesized Content) -- **초기 결함 탐지 및 시프트 레프트(Shift-Left):** SDLC의 초기 단계(예: 풀 리퀘스트 워크플로우)에 정적 코드 분석(SAST) 및 실시간 검사를 통합하면 보안 취약점, 유지보수 문제, 논리적 결함을 조기에 발견할 수 있습니다 [1]. 이는 개발 프로세스 초기에 취약점을 감지하고 수정하는 DevSecOps의 핵심 원칙인 '시프트 레프트' 접근 방식을 의미합니다 [3]. -- **지속적인 모니터링 및 품질 게이트 적용:** 안전한 SDLC(SSDLC)를 위해서는 개발 주기 초기에 스캔을 시작하여 보안 기준선을 설정해야 합니다 [2, 6]. 이후 SDLC의 다양한 단계 전반에 걸쳐 코드를 자주 스캔하여 새롭게 발생하는 보안 문제를 지속적으로 포착하는 것이 모범 사례로 권장됩니다 [6]. 또한 SDLC 전반에 걸쳐 동기화된 품질 게이트(Quality Gates)를 적용하면 대규모 개발 환경에서도 고품질의 안전한 코드 배포를 유지할 수 있습니다 [4]. -- **AI 도구의 통합:** AI 도구들은 점차 SDLC에서 필수 불가결한 요소로 자리 잡고 있습니다 [5]. AI 기반 코드 검사기를 활용하면 개발자는 동료 코드 리뷰 등에서 놓칠 수 있는 복잡한 코드 문제나 보안 위험을 SDLC 초기에 더 빠르고 정확하게 식별 및 해결할 수 있습니다 [2]. -- **SDLC 거버넌스:** 조직은 AI 생성 코드와 기존 개발자 표준을 일치시키기 위해 SDLC 거버넌스를 확립해야 합니다 [7]. 규정 준수를 자동화하고 정책 기반의 품질 게이트를 적용함으로써 소프트웨어 품질 보증 과정을 강화할 수 있습니다 [7, 8]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[시프트 레프트 (Shift-Left)]], [[정적 애플리케이션 보안 테스트 (SAST)]], [[DevSecOps]] -- **Projects/Contexts:** [[AI 코드 리뷰]], [[풀 리퀘스트 워크플로우]] -- **Contradictions/Notes:** 소스 간의 명백한 모순은 존재하지 않으며, 모든 소스가 공통적으로 SDLC 전반(특히 초기 단계)에 걸친 보안 스캔 자동화 및 AI 도구 도입의 중요성을 일관되게 강조하고 있습니다. - ---- -*Last updated: 2026-04-18* -- Raw Source: [[00_Raw/2026-04-20/소프트웨어 개발 수명 주기 (SDLC).md]] ---- diff --git a/AI/스캐빈저(Scavenger).md b/AI/스캐빈저(Scavenger).md deleted file mode 100644 index 528b00bb..00000000 --- a/AI/스캐빈저(Scavenger).md +++ /dev/null @@ -1,30 +0,0 @@ ---- -id: P-REINFORCE-AUTO-07787D -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - 스캐빈저(Scavenger)" ---- - -# [[스캐빈저(Scavenger)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 스캐빈저(Scavenger)는 V8 및 기타 가상 머신에서 새롭게 생성된 수명이 짧은 객체들이 모여 있는 '새로운 공간(New Space 또는 Nursery)'의 메모리를 회수하기 위해 작동하는 마이너 가비지 컬렉션(Minor GC) 메커니즘입니다 [1-3]. 새로운 객체를 위한 공간을 할당하다가 한계에 도달하여 '할당 실패(Allocation failure)'가 발생했을 때 빠르게 실행됩니다 [3, 4]. 살아남은 객체만을 다른 메모리 영역으로 복사하여 단편화를 없애며, 이 과정을 반복하여 오래 살아남은 객체를 기존 세대(Old Generation)로 승격(Promotion)시킵니다 [5, 6]. - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[마이너 가비지 컬렉션(Minor GC)]], [[New Space(Young Generation)]], [[할당 실패(Allocation Failure)]], [[Old Space(Old Generation)]], [[메모리 단편화(Fragmentation)]] -- **Projects/Contexts:** [[V8 엔진 힙 아키텍처]], [[Orinoco 가비지 컬렉터]], [[브라우저 및 Node.js 메모리 튜닝]] -- **Contradictions/Notes:** 스캐빈저 알고리즘은 빠른 메모리 할당 및 단편화 제거에 매우 효율적이지만, `To-Space`와 `From-Space` 두 영역의 물리적 메모리를 모두 확보해야 하므로 공간 오버헤드가 크다는 단점이 있습니다 [9, 22]. 따라서 몇 메가바이트 이상의 큰 용량을 관리하는 데에는 비실용적이며, 이를 극복하기 위해 크기가 큰 Old Space에서는 Mark-Sweep 및 Mark-Compact 알고리즘을 혼용합니다 [22, 23]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/스캐빈저(Scavenger).md]] ---- diff --git a/AI/시뮬레이터 멀미 설문지(SSQ).md b/AI/시뮬레이터 멀미 설문지(SSQ).md deleted file mode 100644 index 1ca69b6a..00000000 --- a/AI/시뮬레이터 멀미 설문지(SSQ).md +++ /dev/null @@ -1,42 +0,0 @@ ---- -id: P-REINFORCE-AUTO-30F8D3 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - 시뮬레이터 멀미 설문지(SSQ)" ---- - -# [[시뮬레이터 멀미 설문지(SSQ)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 시뮬레이터 멀미 설문지(SSQ, Simulator Sickness Questionnaire)는 가상현실(VR) 기기나 시뮬레이터 사용 시 나타나는 멀미 증상과 부작용을 측정하기 위해 널리 사용되는 주관적 자기 보고식 평가 도구입니다 [1]. 16개의 증상 항목에 대해 0점(없음)부터 3점(심각함)까지의 4점 척도로 응답하도록 구성되어 있습니다 [1]. 수집된 점수는 메스꺼움, 안구운동, 방향 감각 상실이라는 세 가지 주요 하위 범주로 분류되어 사용자의 멀미 심각도를 정량화합니다 [1]. - -## 📖 구조화된 지식 (Synthesized Content) -- **평가 항목 및 하위 범주:** SSQ는 총 16개의 증상 목록을 기반으로 하며, 증상의 군집은 크게 세 가지 하위 범주로 나뉩니다 [1]. - - **메스꺼움(Nausea):** 타액 분비 증가, 트림, 위장 인식 등 위장의 불쾌감과 관련된 7가지 증상을 포함합니다 [1]. - - **안구운동(Oculomotor):** 눈의 피로, 전반적인 피로감, 초점 저하 등과 관련된 7가지 증상으로 구성됩니다 [1]. - - **방향 감각 상실(Disorientation):** 현기증 및 어지럼증과 관련된 7가지 증상을 포함합니다 [1]. - - 세 가지 하위 척도에는 서로 겹치는 증상 항목들이 존재하며, 최종 총점과 하위 척도 점수를 산출할 때 원점수(raw scores)에 각기 다른 가중치가 적용됩니다 [1]. - -- **점수의 해석 및 멀미 수준 분류:** - - 가중치가 적용된 SSQ 총점은 증상의 심각도에 따라 '낮음(0-10)', '중간(10 초과 20 이하)', '높음(20 초과)'의 세 가지 수준으로 분류할 수 있습니다 [2]. - - 특히 20점을 초과하는 높은 점수는 해당 시뮬레이터(또는 VR 콘텐츠)가 사용자에게 문제를 일으키는 '문제 시뮬레이터(problem simulator)'임을 나타내는 주요 지표로 활용됩니다 [3]. - -- **학술적 활용 및 한계점:** - - SSQ는 VR이나 시뮬레이터 환경 노출 기간에 따른 가상현실 멀미(VR sickness)의 악화 및 회복 시간을 평가하는 데 자주 사용됩니다 [4, 5]. - - 다만, 높은 SSQ 점수가 현실 세계에서의 일상적인 행동 성과 저하(예: 운전 등 사고 위험이 있는 활동)와 어떻게 실질적으로 연결되는지에 대해서는 아직 명확히 규명되지 않은 지식적 공백이 남아있습니다 [3, 6]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[가상현실 멀미(VR sickness)]], [[사후 영향(Aftereffects)]] -- **Projects/Contexts:** [[비트 세이버(Beat Saber)를 활용한 가상현실 엑서게이밍 사후 영향 연구]] -- **Contradictions/Notes:** 소스에 관련 정보가 부족합니다. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/시뮬레이터 멀미 설문지(SSQ).md]] ---- diff --git a/AI/시뮬레이터 멀미 설문지(Simulator Sickness Questionnaire).md b/AI/시뮬레이터 멀미 설문지(Simulator Sickness Questionnaire).md deleted file mode 100644 index 6df792ac..00000000 --- a/AI/시뮬레이터 멀미 설문지(Simulator Sickness Questionnaire).md +++ /dev/null @@ -1,36 +0,0 @@ ---- -id: P-REINFORCE-AUTO-C8E657 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - 시뮬레이터 멀미 설문지(Simulator Sickness Questionnaire)" ---- - -# [[시뮬레이터 멀미 설문지(Simulator Sickness Questionnaire)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 시뮬레이터 멀미 설문지(SSQ)는 시뮬레이터 및 가상현실(VR) 연구에서 멀미 증상을 정량화하기 위해 가장 널리 사용되는 평가 도구입니다 [1]. 이 설문지는 총 16개의 증상 항목을 0점(없음)부터 3점(심각함)까지의 4점 척도로 평가합니다 [1]. 수집된 데이터는 메스꺼움, 안구 운동, 방향 상실이라는 세 가지 주요 하위 범주로 분류되어 사용자의 신체적, 인지적 불편함을 측정합니다 [1]. - -## 📖 구조화된 지식 (Synthesized Content) -- **구조 및 평가 체계:** SSQ는 사용자의 주관적인 증상을 측정하며 16개의 증상 목록을 사용합니다 [1]. 원점수(Raw scores)는 단순 합산이 아니라, 전체 점수(Total scores)와 각 하위 척도(Subscales)에 대해 다르게 가중치가 부여되어 최종 점수가 계산됩니다 [1]. -- **세 가지 하위 범주(Subscales):** 각 하위 척도에는 다른 하위 척도와 일부 중복되는 증상들이 포함되어 있습니다 [1]. - - **메스꺼움(Nausea):** 타액 분비 증가, 트림, 위장 인식 등 위장 불쾌감과 관련된 7가지 증상으로 구성됩니다 [1]. - - **안구 운동(Oculomotor):** 눈의 피로감, 전반적인 피로, 초점 문제와 관련된 7가지 증상으로 구성됩니다 [1]. - - **방향 상실(Disorientation):** 현기증(dizziness) 및 어지러움(vertigo)과 관련된 7가지 증상을 포함합니다 [1]. -- **점수 해석 및 활용의 한계:** 과거 연구에서는 SSQ 점수가 20점을 초과할 경우 해당 시뮬레이터에 문제가 있다는 지표로 제안되었습니다 [2]. 하지만 이렇게 높게 측정된 SSQ 점수가 사용자의 일상 활동이나 실제 현실에서의 수행 능력 저하에 어떠한 영향을 미치는지는 아직 명확히 밝혀지지 않았으며, 이는 해당 분야의 중요한 지식적 공백으로 남아 있습니다 [2]. -- **가상현실(VR) 노출과의 관계:** SSQ 점수는 가상현실 환경에서의 노출 시간(exposure duration) 및 시뮬레이션 된 움직임(simulated motion)이 증가할수록 함께 높아지는 경향을 보입니다 [3]. 또한, 대형 화면을 통해 시청할 때보다 헤드마운트 디스플레이(HMD)를 사용할 때 SSQ 점수가 상당히 더 높게 나타납니다 [3]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[가상현실 멀미(VR Sickness)]], [[가상현실(Virtual Reality)]] -- **Projects/Contexts:** [[Beat Saber VR 엑서게임 연구]] -- **Contradictions/Notes:** 소스에 따르면 높은 SSQ 점수(20점 초과)는 시뮬레이터의 문제를 시사하는 것으로 제안되지만, 정작 이 높은 점수가 사용자의 실제 일상생활 및 수행 능력 저하와 어떻게 연결되는지는 명확히 규명되지 않은 채로 남아 있습니다 [2]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/시뮬레이터 멀미 설문지(Simulator Sickness Questionnaire).md]] ---- diff --git a/AI/애그리거트 (Aggregates).md b/AI/애그리거트 (Aggregates).md deleted file mode 100644 index 53abda71..00000000 --- a/AI/애그리거트 (Aggregates).md +++ /dev/null @@ -1,32 +0,0 @@ ---- -id: P-REINFORCE-AUTO-8D448D -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - 애그리거트 (Aggregates)" ---- - -# [[애그리거트 (Aggregates)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 애그리거트(Aggregates)는 도메인 주도 설계(Domain-Driven Design, DDD)에서 단일 단위로 취급될 수 있는 도메인 객체들의 군집을 의미합니다 [1]. 비즈니스 도메인을 모델링할 때 트랜잭션 관리를 단순화하고, 해당 군집 내 객체들의 일관성을 보장하는 핵심적인 역할을 수행합니다 [1]. - -## 📖 구조화된 지식 (Synthesized Content) -- **단일 단위로서의 도메인 객체 군집:** 애그리거트는 여러 도메인 객체들을 하나의 클러스터로 묶어 단일 유닛으로 다룰 수 있게 해줍니다 [1]. 대표적인 예로, '주문(Order)'이라는 애그리거트 내부에 여러 개의 '주문 항목(OrderLineItem)' 객체들이 포함되는 구조를 들 수 있습니다 [1]. -- **일관성 유지 및 트랜잭션 관리 단순화:** 애그리거트의 루트(root)는 해당 클러스터 전체의 일관성을 보장하는 역할을 책임집니다 [1]. 이러한 구조적 특징 덕분에 시스템 내에서 트랜잭션 관리가 크게 단순해집니다 [1]. -- **이벤트 스토밍(Event Storming)을 통한 식별:** 팀원들과 도메인 전문가가 함께 참여하는 협업 워크숍인 이벤트 스토밍 기법을 활용하면 비즈니스 도메인을 효과적으로 탐색할 수 있습니다 [2]. 이 과정을 통해 도메인 이벤트(domain events), 명령(commands)과 함께 애그리거트를 빠르게 식별할 수 있으며, 이는 소프트웨어 모델을 위한 탄탄한 기반을 제공합니다 [2]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[Domain-Driven Design (DDD)]], [[Event Storming]], [[Domain Objects]] -- **Projects/Contexts:** [[비즈니스 도메인 모델링 (Business Domain Modeling)]] -- **Contradictions/Notes:** 소스에 관련 정보가 제한적이며, 애그리거트의 구체적인 구현 방식이나 상반된 주장에 대한 정보는 소스에 부족합니다. - ---- -*Last updated: 2026-04-18* -- Raw Source: [[00_Raw/2026-04-20/애그리거트 (Aggregates).md]] ---- diff --git a/AI/양자화 (Quantization).md b/AI/양자화 (Quantization).md deleted file mode 100644 index f41cfe22..00000000 --- a/AI/양자화 (Quantization).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-7321F3 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - 양자화 (Quantization)" ---- - -# [[양자화 (Quantization)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/양자화 (Quantization).md]] ---- diff --git a/AI/에듀테크 기반 게이미피케이션 전략.md b/AI/에듀테크 기반 게이미피케이션 전략.md deleted file mode 100644 index ecf1f266..00000000 --- a/AI/에듀테크 기반 게이미피케이션 전략.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-4FA22A -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - 에듀테크 기반 게이미피케이션 전략" ---- - -# [[에듀테크 기반 게이미피케이션 전략]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/에듀테크 기반 게이미피케이션 전략.md]] ---- diff --git a/AI/연합 학습 (Associative Learning).md b/AI/연합 학습 (Associative Learning).md deleted file mode 100644 index 7eb360ed..00000000 --- a/AI/연합 학습 (Associative Learning).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-0E1EE5 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - 연합 학습 (Associative Learning)" ---- - -# [[연합 학습 (Associative Learning)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/연합 학습 (Associative Learning).md]] ---- diff --git a/AI/오사카 엑스포 2025 호쿠사이 인스톨레이션(Hokusai installation).md b/AI/오사카 엑스포 2025 호쿠사이 인스톨레이션(Hokusai installation).md deleted file mode 100644 index a571018a..00000000 --- a/AI/오사카 엑스포 2025 호쿠사이 인스톨레이션(Hokusai installation).md +++ /dev/null @@ -1,32 +0,0 @@ ---- -id: P-REINFORCE-AUTO-6697EE -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - 오사카 엑스포 2025 호쿠사이 인스톨레이션(Hokusai installation)" ---- - -# [[오사카 엑스포 2025 호쿠사이 인스톨레이션(Hokusai installation)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 오사카 엑스포 2025 호쿠사이 인스톨레이션(Hokusai installation)은 인터랙티브 크리에이티브 스튜디오인 Utsubo가 2025년 오사카 엑스포를 위해 제작한 대규모 유체 시뮬레이션 프로젝트입니다 [1]. 이 인스톨레이션은 Three.js의 WebGPU 렌더러를 적극 활용하여 기존의 한계를 뛰어넘는 100만 개 단위의 파티클을 실시간으로 렌더링하는 그래픽 성능을 입증했습니다 [1]. 98인치 4K 디스플레이 상에서 지연 없는 실시간 다인원 신체 추적(multi-person body tracking) 기능과 결합되어, WebGPU 마이그레이션을 통한 성공적인 프로덕션 벤치마크 사례로 평가받고 있습니다 [2, 3]. - -## 📖 구조화된 지식 (Synthesized Content) -- **제작사 및 개발 배경:** 이 프로젝트는 브랜드 웹사이트 및 물리적 인스톨레이션을 전문으로 하는 기술 중심 크리에이티브 스튜디오 'Utsubo'에 의해 2025년 오사카 엑스포를 겨냥하여 구축되었습니다 [1]. -- **WebGPU를 통한 파티클 시뮬레이션 구현:** 이 인스톨레이션의 가장 큰 기술적 성과는 Three.js WebGPU 렌더러를 기반으로 100만 개(1M) 규모의 파티클 유체 시뮬레이션(particle fluid simulation)을 실시간으로 구현해 냈다는 점입니다 [1]. 이는 무거운 드로우 콜이나 복잡한 연산이 필요한 환경에서 WebGPU가 제공하는 2~10배의 실질적인 성능 향상을 입증하는 사례입니다 [2]. -- **디스플레이 및 사용자 상호작용:** 오사카 엑스포 현장에 설치된 98인치 4K 디스플레이를 통해 구동되었으며, 사용자 참여를 위해 다수의 사람을 동시에 인식하는 '다인원 신체 추적(multi-person body tracking)' 기술이 적용되었습니다 [3]. 수많은 파티클 연산에도 불구하고 체감할 수 있는 지연 현상(lag) 없이 매끄럽게 렌더링되는 성능을 보여주었습니다 [3]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[WebGPU]], [[Three.js]], [[Particle Fluid Simulation]] -- **Projects/Contexts:** [[Utsubo]], [[Expo 2025 Osaka]], [[Waves of Connection]] -- **Contradictions/Notes:** 소스 문서 내에서 오사카 엑스포 2025의 '호쿠사이 인스톨레이션(Hokusai installation)'과 'Waves of Connection' 인스톨레이션은 모두 100만 개의 파티클을 실시간 렌더링한 Utsubo 스튜디오의 동일하거나 밀접하게 연관된 WebGPU 프로덕션 사례로 교차 언급되고 있습니다 [1, 3]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/오사카 엑스포 2025 호쿠사이 인스톨레이션(Hokusai installation).md]] ---- diff --git a/AI/온톨로지 (Ontology).md b/AI/온톨로지 (Ontology).md deleted file mode 100644 index 30f18cbc..00000000 --- a/AI/온톨로지 (Ontology).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-25F9C5 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - 온톨로지 (Ontology)" ---- - -# [[온톨로지 (Ontology)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/온톨로지 (Ontology).md]] ---- diff --git a/AI/온톨로지 지식 베이스.md b/AI/온톨로지 지식 베이스.md deleted file mode 100644 index ffc14201..00000000 --- a/AI/온톨로지 지식 베이스.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-A3EA4F -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - 온톨로지 지식 베이스" ---- - -# [[온톨로지 지식 베이스]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/온톨로지 지식 베이스.md]] ---- diff --git a/AI/유비쿼터스 언어 (Ubiquitous Language).md b/AI/유비쿼터스 언어 (Ubiquitous Language).md deleted file mode 100644 index 78dee10f..00000000 --- a/AI/유비쿼터스 언어 (Ubiquitous Language).md +++ /dev/null @@ -1,32 +0,0 @@ ---- -id: P-REINFORCE-AUTO-34F79B -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - 유비쿼터스 언어 (Ubiquitous Language)" ---- - -# [[유비쿼터스 언어 (Ubiquitous Language)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 유비쿼터스 언어(Ubiquitous Language)는 소프트웨어 개발 프로젝트의 복잡성을 해결하기 위해 프로젝트에 참여하는 모든 사람이 공통으로 사용하는 공유 언어입니다 [1]. 이는 개발자와 비즈니스 이해관계자(도메인 전문가) 간의 의사소통 격차를 해소하여, 개발된 소프트웨어가 비즈니스의 올바른 문제를 해결할 수 있도록 보장하는 역할을 합니다 [1]. - -## 📖 구조화된 지식 (Synthesized Content) -- **도메인 주도 설계(DDD)의 핵심:** 유비쿼터스 언어는 비즈니스 도메인에 대한 깊은 이해를 중심으로 하는 도메인 주도 설계([[Domain-Driven Design (DDD)]]) 접근 방식의 주요 목표 중 하나입니다 [1]. -- **생성 및 적용 범위:** 기술 팀은 도메인 전문가와 긴밀하게 협력하여 용어의 공유집(shared glossary)을 생성하고 유지 관리해야 합니다 [2]. 이렇게 정의된 유비쿼터스 언어는 일상적인 대화, 문서화는 물론 실제 작성되는 코드 자체에도 일관되게 사용되어야 합니다 [2]. -- **제한된 컨텍스트(Bounded Contexts) 내의 언어:** 크고 복잡한 도메인은 더 작고 관리하기 쉬운 하위 도메인인 '바운디드 컨텍스트(Bounded Contexts)'로 나뉩니다 [3]. "주문 관리"나 "고객 지원"과 같은 각 컨텍스트는 고유한 모델과 유비쿼터스 언어를 가지며, 이를 통해 시스템 모델을 순수하고 명확하게 집중된 상태로 유지할 수 있습니다 [3]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[Domain-Driven Design (DDD)]], [[Bounded Contexts]] -- **Projects/Contexts:** [[소프트웨어 아키텍처 설계]] -- **Contradictions/Notes:** 소스 내에 유비쿼터스 언어와 관련하여 대립하거나 상충하는 정보는 없습니다. - ---- -*Last updated: 2026-04-18* -- Raw Source: [[00_Raw/2026-04-20/유비쿼터스 언어 (Ubiquitous Language).md]] ---- diff --git a/AI/인간-컴퓨터 상호작용 (HCI).md b/AI/인간-컴퓨터 상호작용 (HCI).md deleted file mode 100644 index 2b03a807..00000000 --- a/AI/인간-컴퓨터 상호작용 (HCI).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-5A206B -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - 인간-컴퓨터 상호작용 (HCI)" ---- - -# [[인간-컴퓨터 상호작용 (HCI)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/인간-컴퓨터 상호작용 (HCI).md]] ---- diff --git a/AI/인공지능 상호작용 (HAI).md b/AI/인공지능 상호작용 (HAI).md deleted file mode 100644 index bc8e714d..00000000 --- a/AI/인공지능 상호작용 (HAI).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-BA3F26 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - 인공지능 상호작용 (HAI)" ---- - -# [[인공지능 상호작용 (HAI)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/인공지능 상호작용 (HAI).md]] ---- diff --git a/AI/인적 자원 관리(HRM) 전략 수립.md b/AI/인적 자원 관리(HRM) 전략 수립.md deleted file mode 100644 index d22c43d7..00000000 --- a/AI/인적 자원 관리(HRM) 전략 수립.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-AD8C86 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - 인적 자원 관리(HRM) 전략 수립" ---- - -# [[인적 자원 관리(HRM) 전략 수립]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/인적 자원 관리(HRM) 전략 수립.md]] ---- diff --git a/AI/인지 행동 치료 (CBT).md b/AI/인지 행동 치료 (CBT).md deleted file mode 100644 index beb72a87..00000000 --- a/AI/인지 행동 치료 (CBT).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-A19886 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - 인지 행동 치료 (CBT)" ---- - -# [[인지 행동 치료 (CBT)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/인지 행동 치료 (CBT).md]] ---- diff --git a/AI/인지행동치료(CBT).md b/AI/인지행동치료(CBT).md deleted file mode 100644 index e26dad98..00000000 --- a/AI/인지행동치료(CBT).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-624537 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - 인지행동치료(CBT)" ---- - -# [[인지행동치료(CBT)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/인지행동치료(CBT).md]] ---- diff --git a/AI/인터랙티브 스토리텔링 연구.md b/AI/인터랙티브 스토리텔링 연구.md deleted file mode 100644 index 84b317f7..00000000 --- a/AI/인터랙티브 스토리텔링 연구.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-5DBDA2 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - 인터랙티브 스토리텔링 연구" ---- - -# [[인터랙티브 스토리텔링 연구]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/인터랙티브 스토리텔링 연구.md]] ---- diff --git a/AI/정적 애플리케이션 보안 테스트 (SAST).md b/AI/정적 애플리케이션 보안 테스트 (SAST).md deleted file mode 100644 index a68df355..00000000 --- a/AI/정적 애플리케이션 보안 테스트 (SAST).md +++ /dev/null @@ -1,34 +0,0 @@ ---- -id: P-REINFORCE-AUTO-517F55 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - 정적 애플리케이션 보안 테스트 (SAST)" ---- - -# [[정적 애플리케이션 보안 테스트 (SAST)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> SAST(정적 애플리케이션 보안 테스트)는 애플리케이션의 소스 코드나 바이트코드를 실행하기 전에 정적으로 분석하여 잠재적인 보안 취약점을 식별하는 화이트박스 테스트 기법이다 [1]. 개발 수명 주기(SDLC) 초기에 취약점을 발견하여 수정 비용과 시간을 대폭 절감하게 해주는 '시프트 레프트(Shift-Left)' 보안 전략의 핵심 도구이다 [1, 2]. 최근에는 단순한 규칙 기반 패턴 매칭의 한계를 극복하기 위해 인공지능(AI)과 머신러닝 모델을 통합하여, 코드의 문맥과 의미를 이해하고 수정안까지 자동으로 제안하는 방향으로 진화하고 있다 [3, 4]. - -## 📖 구조화된 지식 (Synthesized Content) -* **작동 방식 및 주요 분석 기법**: SAST는 소스 코드를 구문 분석하여 추상 구문 트리(AST)를 구축하고 코드의 구조, 의미론적 흐름, 데이터 흐름(Data Flow) 등을 정적으로 분석한다 [5, 6]. 가장 중요한 기법 중 하나인 오염 분석(Taint analysis)은 사용자 입력 같은 신뢰할 수 없는 데이터 소스가 데이터베이스 쿼리나 파일 시스템 조작 같은 민감한 싱크(Sink)로 데이터 무결성 검증 없이 흘러가는지를 추적한다 [7, 8]. -* **탐지 가능한 주요 취약점**: 인젝션 공격(SQL, NoSQL, 명령어 등), 크로스 사이트 스크립팅(XSS), 경로 탐색(Path traversal), 하드코딩된 비밀번호 및 민감 정보 노출, 안전하지 않은 암호화 알고리즘, 서버 측 요청 위조(SSRF) 등 주로 코드 레벨에서 발생하는 광범위한 결함을 찾아낸다 [1, 9-11]. -* **전통적 SAST의 한계점**: 기존의 SAST는 정해진 규칙에 전적으로 의존하므로 비즈니스 로직의 의도나 런타임 컨텍스트를 이해하지 못해 가짜 경고인 오탐(False Positive)을 다수 발생시킬 수 있다 [3, 12, 13]. 또한 분석 대상의 프로그래밍 언어에 강하게 종속적이며, 프론트엔드와 백엔드가 다른 저장소로 분리된 경우 전체 맥락을 잃는다는 한계가 존재한다 [13]. -* **AI 기반 SAST로의 진화**: 최신의 SAST 도구들(예: Snyk Code, Corgea 등)은 대규모 언어 모델(LLM)과 머신러닝을 도입하여 전통적 SAST의 오탐률을 획기적으로 낮추고 있다 [14-17]. 이들은 여러 파일에 걸친(Interfile) 데이터 흐름을 이해하여 숨겨진 로직 결함을 찾아내며, 개발자의 통합 개발 환경(IDE)이나 Pull Request 환경에서 적절한 코드 수정안(Auto-fix)을 자동 제안하고 적용 전 자체 검증까지 거치는 수준으로 발전하고 있다 [18-21]. -* **다른 애플리케이션 보안(AppSec) 도구와의 관계**: SAST는 개발 조직이 직접 작성한 1사(First-party) 코드를 검사한다 [22]. 반면, 실행 중인 애플리케이션을 블랙박스 형태로 테스트하는 것은 동적 애플리케이션 보안 테스트(DAST)이며, 서드파티 오픈소스 종속성 내의 알려진 취약점(CVE)이나 라이선스 위험을 분석하는 것은 소프트웨어 구성 분석(SCA)이다 [22-24]. 견고한 보안을 위해서는 이들 도구를 상호 보완적인 하이브리드 방식으로 CI/CD 파이프라인에 구축해야 한다 [25-27]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[정적 코드 분석]], [[시프트 레프트 (Shift-Left)]], [[오염 분석 (Taint Analysis)]], [[동적 애플리케이션 보안 테스트 (DAST)]], [[소프트웨어 구성 분석 (SCA)]], [[자동화된 코드 거버넌스]] -- **Projects/Contexts:** [[Snyk Code]], [[Corgea]], [[GitHub Advanced Security]], [[DevSecOps 파이프라인]] -- **Contradictions/Notes:** 자동화된 SAST 도구들은 처리 속도와 규모 확장성이 뛰어나지만, 정해진 규칙에 벗어나거나 복잡한 비즈니스 로직 및 새로운 아키텍처 맥락에 따른 취약점은 놓칠 수 있다. 연구에 따르면 SAST 툴들은 실제 취약점의 약 22% 정도를 탐지하지 못하거나 30~60%의 높은 오탐률로 경고 피로도(Alert fatigue)를 일으킨다 [12, 28, 29]. 따라서 AI로 개선된 SAST 도구를 사용하여 일차적인 검열을 수행하더라도, 고위험 코드나 복잡한 시스템 로직의 최종 보안 검증을 위해서는 반드시 인간 중심의 '수동 코드 리뷰(Manual Code Review)'를 결합하는 하이브리드 리뷰가 필수적으로 요구된다 [30-32]. - ---- -*Last updated: 2026-04-18* -- Raw Source: [[00_Raw/2026-04-20/정적 애플리케이션 보안 테스트 (SAST).md]] ---- diff --git a/AI/정적 애플리케이션 보안 테스트(SAST).md b/AI/정적 애플리케이션 보안 테스트(SAST).md deleted file mode 100644 index 5fffa116..00000000 --- a/AI/정적 애플리케이션 보안 테스트(SAST).md +++ /dev/null @@ -1,48 +0,0 @@ ---- -id: P-REINFORCE-AUTO-E9615F -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - 정적 애플리케이션 보안 테스트(SAST)" ---- - -# [[정적 애플리케이션 보안 테스트(SAST)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 정적 애플리케이션 보안 테스트(SAST)는 애플리케이션을 실행하지 않고 소스 코드, 바이트코드 등의 구조와 구문을 정적으로 분석하여 보안 취약점과 논리적 오류를 식별하는 화이트박스 테스트 기법입니다 [1, 2]. 소프트웨어 개발 생명주기(SDLC)의 가장 초기 단계(코드 작성 및 CI/CD 파이프라인)에 적용되어 문제를 발견하므로, 수정에 드는 비용과 시간을 크게 절감할 수 있습니다 [1, 3, 4]. 최근의 SAST 도구들은 단순한 패턴 매칭을 넘어 머신러닝 및 대형 언어 모델(LLM)을 결합하여 코드의 문맥을 이해하고, 자동으로 수정 코드를 제안하는 AI 기반으로 진화하고 있습니다 [5, 6]. - -## 📖 구조화된 지식 (Synthesized Content) -* **작동 원리 및 주요 탐지 항목:** - SAST는 소스 코드를 구문 분석하여 추상 구문 트리(AST)를 구축하고 제어 흐름, 데이터 흐름(오염 분석 등) 및 의미론적 분석을 적용하여 취약점을 찾아냅니다 [2, 7, 8]. 이를 통해 SQL 인젝션, 크로스 사이트 스크립팅(XSS), 경로 탐색, 하드코딩된 비밀번호, 안전하지 않은 암호화 알고리즘 등 OWASP Top 10에 해당하는 주요 보안 위협을 애플리케이션 배포 전에 식별합니다 [9-12]. - -* **SAST 도입의 장점:** - * **조기 발견 및 수정(시프트 레프트):** IDE 플러그인이나 커밋 이전 단계(Pre-commit hook)에 연동되어, 개발자가 코드를 작성하는 즉시 피드백을 제공받고 실시간으로 문제를 해결할 수 있습니다 [13-15]. - * **명확한 가이드 제공:** 취약점이 발생한 정확한 코드 위치와 데이터 흐름을 시각적으로 제공하여 원인 파악 및 수정이 매우 용이합니다 [14, 16]. - * **실행 환경 불필요:** 코드를 실행하지 않고도 분석이 가능해 동적 테스트(DAST)에 비해 스캔 속도가 빠르고 자동화가 쉽습니다 [14, 17]. - -* **한계 및 단점:** - * **컨텍스트 부족 및 오탐(False Positive):** 런타임 환경이나 비즈니스 로직의 의도를 완전히 이해하지 못해, 실제로는 안전한 코드임에도 취약점으로 경고하는 오탐(False Positive)과 미탐(False Negative)이 발생할 수 있습니다 [18, 19]. - * **언어 종속성:** 분석 대상 코드가 작성된 특정 프로그래밍 언어와 프레임워크를 해당 도구가 명시적으로 지원해야만 작동합니다 [19]. - -* **AI 기반 SAST의 등장:** - 전통적인 SAST는 정해진 규칙과 패턴에 의존하지만, 현대의 AI 기반 SAST(예: Snyk Code, Corgea 등)는 수백만 개의 오픈소스 커밋 데이터를 학습한 머신러닝/LLM 엔진을 활용합니다 [6, 20, 21]. 이를 통해 여러 파일과 모듈에 걸친 복잡한 데이터 흐름(Interfile analysis)을 추적하고, 단순 경고를 넘어 개발자가 즉각 반영할 수 있는 상황에 맞는 자동 수정(Auto-fix) 코드를 제안합니다 [22-24]. - -* **효과적인 활용을 위한 하이브리드 코드 리뷰:** - 자동화된 SAST는 알려진 보안 취약점과 스타일 오류를 기계적인 속도로 일관되게 찾아내는 데 탁월합니다 [25, 26]. 그러나 도구는 아키텍처의 트레이드오프나 도메인 특화 비즈니스 로직을 평가할 수 없습니다 [27, 28]. 따라서 SAST를 CI/CD 파이프라인의 1차 품질 게이트로 자동화하여 반복적인 결함을 걸러내고, 아키텍처나 민감한 권한 로직 등에 대해서는 사람이 직접 문맥을 파악하는 수동 코드 리뷰(Manual Review)를 결합하는 하이브리드 접근법이 가장 이상적입니다 [29-31]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[동적 애플리케이션 보안 테스트(DAST)]], [[소프트웨어 구성 분석(SCA)]], [[시프트 레프트(Shift-Left)]], [[추상 구문 트리(AST)]] -- **Projects/Contexts:** [[CI/CD 파이프라인]], [[OWASP Top 10]], [[하이브리드 코드 리뷰]] -- **Contradictions/Notes:** - * "전통적인 규칙 기반의 SAST 도구는 50~80%에 이르는 높은 오탐률(False Positive)을 보여 개발자의 피로도를 높일 수 있지만, 최근의 AI 및 기계 학습 기반 SAST(예: Veracode, Corgea 등)는 컨텍스트를 이해함으로써 오탐률을 5% 이하(일부 1.1% 미만)로 현저히 줄일 수 있다고 보고됩니다." [19, 32]. - * "자동화된 정적 분석 도구만으로 모든 보안 오류를 막을 수 있다고 기대하는 것은 위험합니다. 실증 연구에 따르면 SAST 도구는 실제 존재하는 취약점의 약 22%를 완전히 놓칠 수 있으며, 따라서 자동화 도구를 맹신하지 말고 고위험 코드 변경에 대해서는 반드시 수동 코드 리뷰를 병행해야 합니다." [18, 33-35]. - ---- -*Last updated: 2026-04-18* -- Raw Source: [[00_Raw/2026-04-20/정적 애플리케이션 보안 테스트(SAST).md]] ---- diff --git a/AI/지식 베이스 (Knowledge Base).md b/AI/지식 베이스 (Knowledge Base).md deleted file mode 100644 index a63a6229..00000000 --- a/AI/지식 베이스 (Knowledge Base).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-295580 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - 지식 베이스 (Knowledge Base)" ---- - -# [[지식 베이스 (Knowledge Base)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/지식 베이스 (Knowledge Base).md]] ---- diff --git a/AI/직렬화(Serialization) 및 병목 현상.md b/AI/직렬화(Serialization) 및 병목 현상.md deleted file mode 100644 index 3d327fae..00000000 --- a/AI/직렬화(Serialization) 및 병목 현상.md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-9AD769 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - 직렬화(Serialization) 및 병목 현상" ---- - -# [[직렬화(Serialization) 및 병목 현상]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/직렬화(Serialization) 및 병목 현상.md]] ---- diff --git a/AI/창발 능력 (Emergent Abilities).md b/AI/창발 능력 (Emergent Abilities).md deleted file mode 100644 index 7d8ef2d1..00000000 --- a/AI/창발 능력 (Emergent Abilities).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-9DBA7B -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - 창발 능력 (Emergent Abilities)" ---- - -# [[창발 능력 (Emergent Abilities)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/창발 능력 (Emergent Abilities).md]] ---- diff --git a/AI/카산드라(Cassandra).md b/AI/카산드라(Cassandra).md deleted file mode 100644 index 5cafeb73..00000000 --- a/AI/카산드라(Cassandra).md +++ /dev/null @@ -1,38 +0,0 @@ ---- -id: P-REINFORCE-AUTO-A802F0 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - 카산드라(Cassandra)" ---- - -# [[카산드라(Cassandra)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 카산드라(Cassandra)는 기존의 RDBMS를 대체하여 대규모 데이터 환경(NoSQL at scale)을 지원하기 위해 사용되는 오픈 소스 기반의 데이터베이스입니다 [1]. 다중 리전(Multi-Regional) 및 다방향(Multi-directional) 아키텍처를 지원하며, 가용성(Available)과 파티션 허용성(Partition Tolerance)을 제공하는 것이 특징입니다 [1]. 넷플릭스(Netflix)의 마이크로서비스 아키텍처에서 인프라의 핵심 데이터 저장소로 활용되었습니다 [1, 2]. - -## 📖 구조화된 지식 (Synthesized Content) -소스에 기반한 카산드라(Cassandra)의 주요 특징 및 활용 맥락은 다음과 같습니다: - -* **대규모 NoSQL 데이터베이스:** 관계형 데이터베이스(RDBMS) 모델에서 전환하여, 대규모 확장에 최적화된 NoSQL 솔루션으로 채택되었습니다 [1]. -* **분산 시스템 아키텍처 특성:** - * 오픈 소스 기술로 설계되었습니다 [1]. - * 다중 리전 및 다방향으로 동작할 수 있어 글로벌 스케일의 시스템에 적합합니다 [1]. - * 분산 컴퓨팅의 핵심 특성인 높은 가용성(Available)과 네트워크 단절 시에도 시스템이 동작하는 파티션 허용성(Partition Tolerance)을 보장합니다 [1]. - * 상황에 따라 데이터의 일관성 수준을 조절할 수 있는 '조정 가능한 일관성(Tunable Consistency)'을 제공합니다 [1]. -* **넷플릭스(Netflix) 아키텍처 내의 역할:** 넷플릭스의 마이크로서비스 구조 내에서 EVCache, ELB, Zuul 등과 함께 미들 티어 및 플랫폼 인프라의 주요 데이터 레이어로 기능하고 있습니다 [2]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[NoSQL]], [[RDBMS]], [[Microservices Architecture]], [[Tunable Consistency]] -- **Projects/Contexts:** [[넷플릭스 마이크로서비스 아키텍처 전환(Adopting Microservices at Netflix)]] -- **Contradictions/Notes:** 카산드라 자체에 대한 깊이 있는 기술적 원리보다는 넷플릭스의 마이크로서비스 도입 과정에서 RDBMS를 대체한 대규모 NoSQL 솔루션의 사례로서만 간략하게 언급되어 있어 추가적인 기술적 세부 정보는 소스에 관련 정보가 부족합니다 [1]. - ---- -*Last updated: 2026-04-18* -- Raw Source: [[00_Raw/2026-04-20/카산드라(Cassandra).md]] ---- diff --git a/AI/코드 리뷰(Code Review).md b/AI/코드 리뷰(Code Review).md deleted file mode 100644 index 837ff3a0..00000000 --- a/AI/코드 리뷰(Code Review).md +++ /dev/null @@ -1,40 +0,0 @@ ---- -id: P-REINFORCE-AUTO-119026 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - 코드 리뷰(Code Review)" ---- - -# [[코드 리뷰(Code Review)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 코드 리뷰는 소프트웨어의 품질, 보안 및 전반적인 코드 건강 상태를 개선하고 유지하기 위해 개발자들이 작성한 코드 변경 사항을 검사하는 프로세스입니다[1, 2]. 이 과정은 사람이 직접 코드를 읽고 분석하는 수동 리뷰와 정적 분석 도구 및 AI를 활용하는 자동화된 리뷰로 구성됩니다[3, 4]. 성공적인 코드 리뷰는 완벽한 코드만을 추구하기보다는 지속적인 개선과 개발 진행 속도 간의 적절한 균형을 맞추는 것을 목표로 합니다[5, 6]. - -## 📖 구조화된 지식 (Synthesized Content) -* **목적과 핵심 원칙:** - 코드 리뷰의 주된 목적은 시간이 지남에 따라 코드베이스의 전반적인 건강 상태를 개선하는 것입니다[2]. 리뷰어는 코드가 완벽하지 않더라도 전체적인 코드 건강을 향상시킨다면 승인을 고려해야 하며, 개발의 진척과 품질 사이에서 균형을 유지해야 합니다[5, 6]. 리뷰 중 발생하는 의견 충돌 시에는 개인적 선호보다 기술적인 사실과 데이터를 우선시해야 하며, 스타일 문제에 대해서는 정해진 스타일 가이드를 절대적인 기준으로 삼습니다[7]. 또한, 코드 리뷰는 개발자에게 새로운 언어, 프레임워크 또는 설계 원칙을 가르치는 멘토링과 지식 공유의 중요한 기능도 수행합니다[8, 9]. - -* **수동 코드 리뷰 (Manual Code Review):** - 사람이 직접 코드를 줄 단위로 읽고 논의하는 방식입니다[1, 3]. 수동 리뷰는 아키텍처 설계의 트레이드오프 결정, 복잡한 비즈니스 로직 검증, 교차 서비스 영향 평가 및 코드 작성의 근본적인 의도를 파악하는 데 매우 뛰어납니다[1, 10, 11]. 반면, 코드를 검토하는 데 많은 시간과 비용이 소요되며, 리뷰어의 피로나 편견에 의해 인적 오류가 발생할 수 있어 일관된 검사 범위를 유지하기 어렵다는 단점이 있습니다[8, 12, 13]. - -* **자동화된 코드 리뷰 (Automated Code Review):** - 정적 애플리케이션 보안 테스트(SAST), 린터(Linter), 포매터(Formatter), AI 도구 등을 사용하여 소스 코드를 실행하지 않고 자동으로 검사하는 방식입니다[3, 14]. 수천 줄의 코드를 단 몇 초 만에 스캔하여 구문 오류, 코딩 스타일 위반 및 알려진 보안 취약점을 일관되게 찾아냅니다[15, 16]. 대표적으로 SonarQube, ESLint, Prettier를 비롯해 GitHub Copilot, Snyk Code, DeepCode AI 등 기계 학습 기반의 AI 리뷰 도구들이 활용됩니다[17-20]. 그러나 자동화 도구는 비즈니스 로직이나 아키텍처의 의도를 완벽히 이해하지 못해 오탐(False Positive)을 다수 발생시킬 수 있다는 한계가 있습니다[21-23]. - -* **하이브리드 리뷰 워크플로우 (Hybrid Review Workflow):** - 최신 소프트웨어 개발 환경에서는 수동 리뷰와 자동화된 리뷰를 결합한 하이브리드 모델이 가장 이상적인 모범 사례로 꼽힙니다[4, 24]. Husky와 lint-staged 같은 도구를 이용해 커밋 전이나 CI/CD 파이프라인에서 자동화된 스캔(스타일 검사, 보안 취약점 탐지)을 우선적으로 실행하여 반복적이고 기본적인 오류를 차단합니다[25-27]. 이렇게 자동화된 관문을 통과한 코드에 한해서 인간 리뷰어가 아키텍처 결정, 비즈니스 로직 검증 등 고차원적인 맥락 평가와 보안 영역에 집중하여 수동 리뷰를 진행합니다[26, 28]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[수동 코드 리뷰(Manual Code Review)]], [[자동화된 코드 리뷰(Automated Code Review)]], [[정적 애플리케이션 보안 테스트(SAST)]] -- **Projects/Contexts:** [[하이브리드 코드 리뷰 워크플로우]], [[Google의 코드 리뷰 표준]], [[DevSecOps 및 CI/CD 파이프라인]] -- **Contradictions/Notes:** 자동화된 코드 리뷰 도구는 스캔 속도가 빠르고 규칙을 일관되게 적용하지만 비즈니스 로직의 의도를 이해하지 못해 다수의 오탐(False Positive)을 발생시킬 수 있습니다[22]. 반면 수동 코드 리뷰는 문맥을 이해하고 복잡한 아키텍처를 검토하는 데 필수적이지만 시간이 오래 걸리고 인적 오류의 위험이 병존합니다[13]. 따라서 이 두 가지 리뷰 방식은 상호 배타적인 것이 아니라, 장단점을 상호 보완하는 하이브리드 방식(기계적 검증 후 인간의 논리적 판단)으로 결합하여 사용하는 것이 권장됩니다[4, 26]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/코드 리뷰(Code Review).md]] ---- diff --git a/AI/풀 리퀘스트 워크플로우.md b/AI/풀 리퀘스트 워크플로우.md deleted file mode 100644 index 7e257cb5..00000000 --- a/AI/풀 리퀘스트 워크플로우.md +++ /dev/null @@ -1,33 +0,0 @@ ---- -id: P-REINFORCE-AUTO-9C30BC -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - 풀 리퀘스트 워크플로우" ---- - -# [[풀 리퀘스트 워크플로우]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 풀 리퀘스트 워크플로우(Pull Request Workflow)는 개발자가 작성한 소스 코드 변경 사항을 메인 브랜치에 병합(Merge)하기 전에 검토하고 검증하는 소프트웨어 개발 수명 주기(SDLC)의 핵심 단계입니다 [1, 2]. 현대의 풀 리퀘스트 워크플로우는 정적 애플리케이션 보안 테스트(SAST) 및 AI 기반 코드 리뷰 도구들과 긴밀하게 통합되어 작동합니다 [2, 3]. 이를 통해 코드의 품질과 보안을 자동으로 평가하고 수동 검토와 결합함으로써 리뷰 지연을 줄이고 결함이 프로덕션으로 넘어가는 것을 방지합니다 [4, 5]. - -## 📖 구조화된 지식 (Synthesized Content) -- **자동화 및 AI 도구의 통합:** 최신 풀 리퀘스트 워크플로우에서는 코드가 병합되기 전에 AI 및 정적 코드 분석(SAST) 도구가 자동으로 스캔을 수행합니다 [1, 3]. SonarQube, Snyk, Codacy, GitHub Advanced Security와 같은 도구들은 풀 리퀘스트 스레드 내에 직접 분석 요약, 수정 제안(Autofix) 및 품질 게이트 통과 여부를 표시하여 개발자와 리뷰어에게 즉각적인 피드백을 제공합니다 [6-9]. -- **수동 및 자동화 리뷰의 하이브리드 접근:** 풀 리퀘스트 워크플로우에서 자동화 도구는 구문 오류, 코드 스멜, 알려진 보안 취약점을 기계적인 속도로 찾아내는 데 탁월합니다 [10]. 하지만 비즈니스 로직, 아키텍처 설계의 트레이드오프, 문맥 의존적인 보안 위험은 여전히 인간 리뷰어의 전문성이 요구됩니다 [11-13]. 따라서 풀 리퀘스트 시 자동화 스캔을 먼저 실행하여 일상적인 문제를 걸러낸 후, 인간 리뷰어가 중요 로직 검토에 집중하는 하이브리드 방식이 가장 이상적입니다 [5, 14]. -- **워크플로우 성과 측정 지표:** 풀 리퀘스트 워크플로우의 효율성과 AI 도구 도입의 영향은 여러 지표를 통해 측정됩니다. 대표적으로 '풀 리퀘스트 사이클 시간(PR cycle time)', '최초 리뷰까지 걸린 시간(Time to first review)', '리뷰 백로그 크기(Review backlog size)', 그리고 '병합 후 재작업률(Post-merge rework rate)'이 사용됩니다 [15, 16]. -- **사전 커밋(Pre-commit) 단계와의 연계:** 풀 리퀘스트 워크플로우로 코드가 올라오기 전, 개발 환경 로컬 단에서 Husky와 lint-staged 같은 Git 훅(Git Hooks) 도구를 사용하여 사전 검증을 구성할 수 있습니다 [17, 18]. 이 도구들은 커밋을 시도하는 변경된 파일에 대해서만 ESLint 및 Prettier 등을 실행하여 오류를 수정하고 포맷팅을 강제함으로써, 풀 리퀘스트 리뷰 시 스타일 관련 논쟁을 없애고 워크플로우의 속도를 높여줍니다 [18, 19]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[자동화된 코드 리뷰]], [[수동 코드 리뷰]], [[SAST (정적 애플리케이션 보안 테스트)]], [[Git 훅 (Git Hooks)]] -- **Projects/Contexts:** [[DevSecOps]], [[CI/CD 파이프라인]] -- **Contradictions/Notes:** 소스들은 AI 및 자동화 도구가 풀 리퀘스트 리뷰 주기를 단축시킨다고 주장하지만, 올바른 워크플로우 체계 없이 단순히 도구만 도입할 경우 오히려 무의미한 경고(False Positives)가 쏟아져 리뷰어의 경고 피로도(Alert Fatigue)를 높이고 리뷰 지연을 초래할 수 있다고 경고합니다 [11, 20, 21]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/풀 리퀘스트 워크플로우.md]] ---- diff --git a/AI/풀 리퀘스트(PR) 기반 보안 검토.md b/AI/풀 리퀘스트(PR) 기반 보안 검토.md deleted file mode 100644 index a738a738..00000000 --- a/AI/풀 리퀘스트(PR) 기반 보안 검토.md +++ /dev/null @@ -1,33 +0,0 @@ ---- -id: P-REINFORCE-AUTO-8FBB2B -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - 풀 리퀘스트(PR) 기반 보안 검토" ---- - -# [[풀 리퀘스트(PR) 기반 보안 검토]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 풀 리퀘스트(PR) 기반 보안 검토는 소프트웨어 개발 수명 주기(SDLC)에서 코드 변경 사항이 메인 브랜치에 병합되기 전에 보안 취약점과 품질 문제를 검사하는 핵심 과정입니다 [1, 2]. 이 과정은 자동화된 정적 분석(SAST) 및 AI 도구를 통한 사전 필터링과 개발자의 수동 피어 리뷰(Peer Review)를 결합하여, 개발 속도를 저하시키지 않으면서 코드의 보안성과 유지보수성을 확보하는 것을 목표로 합니다 [3, 4]. - -## 📖 구조화된 지식 (Synthesized Content) -- **조기 결함 발견 및 시프트 레프트(Shift-Left):** PR은 개발자들이 변경 사항을 검토하고 승인하는 병합 지점이므로, 코드가 출시되기 전에 보안 위험을 가장 효과적으로 표면화하고 해결할 수 있는 단계입니다 [5, 6]. CI/CD 파이프라인 및 PR 워크플로우에 정적 코드 분석과 실시간 검사를 통합함으로써 개발자는 배포 이후가 아닌 병합 이전에 성능 문제와 보안 취약점을 조기에 발견하여 '시프트 레프트(Shift-Left)' 보안을 실현할 수 있습니다 [1, 7, 8]. -- **자동화 및 AI 기반 PR 리뷰:** 최신 보안 검토는 AI 코드 리뷰 도구와 SAST 엔진을 활용하여 PR 생성 시 자동으로 코드를 스캔합니다 [2, 9]. SonarQube, Snyk Code, GitHub Code Security 등의 도구는 PR 내에 인라인 주석이나 경고 형태로 취약점(예: 누출된 비밀번호, 인젝션, 코드 스멜)을 직접 표시하여 개발자가 즉각적으로 피드백을 받을 수 있도록 합니다 [10-13]. 또한, 사전 정의된 품질 게이트(Quality Gates) 정책을 통해 보안 기준을 충족하지 못하는 PR의 병합을 차단할 수 있으며, AI가 생성한 수정 제안(Auto-fix)을 제공하여 리뷰어의 피로도를 줄이고 해결 속도를 극대화합니다 [10, 14-16]. -- **인간과 자동화의 하이브리드 검토 프로세스:** 자동화 도구는 수천 줄의 코드를 몇 분 만에 스캔하고 일관된 규칙을 적용하는 데 뛰어나지만, 비즈니스 로직이나 아키텍처 맥락을 이해하는 데는 한계가 있습니다 [17, 18]. 따라서 최근의 권장 워크플로우는 1차적으로 자동화 스캔을 통해 단순 구문 오류나 알려진 보안 결함을 걸러내고, 2차적으로 인간 리뷰어가 인증 로직이나 교차 서비스(Cross-Service)의 영향 등 자동화가 놓치기 쉬운 심층적인 보안 컨텍스트를 수동으로 점검하는 하이브리드 프로세스(Hybrid Code Review)를 채택하고 있습니다 [3, 4, 19, 20]. -- **측정 지표 및 컴플라이언스:** PR 검토의 효율성과 영향력은 PR 사이클 타임(Cycle time), 첫 리뷰까지 걸리는 시간, 리뷰 백로그 크기, 병합 전 발견된 결함 수 등의 지표로 측정됩니다 [21, 22]. 올바르게 수행된 PR 보안 검토, 티켓 코멘트, 그리고 승인 기록은 SOC 2, PCI DSS와 같은 규정 준수 감사를 위한 필수적인 증명(Audit Trail) 자료로 활용됩니다 [23, 24]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[정적 애플리케이션 보안 테스트(SAST)]], [[AI 기반 코드 리뷰]], [[시프트 레프트(Shift-Left)]], [[품질 게이트(Quality Gates)]], [[하이브리드 코드 리뷰(Hybrid Code Review)]] -- **Projects/Contexts:** [[GitHub Code Security 및 Copilot Autofix]], [[SonarQube PR 분석]], [[Snyk Code PR 통합]] -- **Contradictions/Notes:** 자동화된 PR 코드 검토는 속도와 확장성 측면에서 매우 우수하지만 코드의 의도나 아키텍처 맥락을 이해하지 못해 오탐(False Positive)을 유발할 수 있습니다. 따라서 도구의 결과에만 의존하기보다는 복잡한 비즈니스 로직과 보안 컨텍스트 평가는 반드시 인간의 수동 검토가 동반되어야 상호 보완적인 보안 품질을 달성할 수 있습니다 [18, 25, 26]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/풀 리퀘스트(PR) 기반 보안 검토.md]] ---- diff --git a/AI/프론트엔드 및 Nodejs 개발 워크플로우.md b/AI/프론트엔드 및 Nodejs 개발 워크플로우.md deleted file mode 100644 index 22741ec7..00000000 --- a/AI/프론트엔드 및 Nodejs 개발 워크플로우.md +++ /dev/null @@ -1,43 +0,0 @@ ---- -id: P-REINFORCE-AUTO-D024EA -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - 프론트엔드 및 Nodejs 개발 워크플로우" ---- - -# [[프론트엔드 및 Nodejs 개발 워크플로우]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 프론트엔드 및 Node.js 개발 워크플로우는 소스 코드의 품질, 일관성, 그리고 보안을 자동화된 방식으로 유지하기 위해 일련의 도구들을 파이프라인에 결합하는 과정입니다. 주축이 되는 도구로는 코드 에러를 정적으로 분석하는 ESLint와 코드 스타일을 자동으로 정렬해주는 Prettier가 있으며, 이를 Git 훅(Git Hooks) 관리 도구인 Husky와 변경된 파일만 검사하는 lint-staged를 통해 커밋 전에 강제합니다. 최근에는 이러한 파이프라인과 IDE에 AI 기반의 정적 애플리케이션 보안 테스트(SAST)를 결합하여 취약점을 조기에 탐지하고 자동 수정하는 체계가 필수적으로 자리 잡고 있습니다. - -## 📖 구조화된 지식 (Synthesized Content) -* **코드 품질 및 스타일 자동화 도구 (ESLint & Prettier)** - 자바스크립트 및 타입스크립트 기반의 프론트엔드와 Node.js 환경에서는 코드 품질과 스타일을 일관되게 유지하기 위해 ESLint와 Prettier를 핵심 도구로 사용합니다 [1, 2]. ESLint는 문법적 오류와 잠재적 버그, 안티 패턴을 찾아내고 규칙을 강제하는 린터(Linter)이며, Prettier는 줄 바꿈, 공백, 들여쓰기 등의 코드 스타일을 일관되게 변환해주는 포매터(Formatter)입니다 [1, 3, 4]. 이 두 도구를 함께 사용할 때 포맷팅 역할이 겹쳐 충돌이 발생할 수 있는데, 이를 방지하기 위해 `eslint-config-prettier` 패키지를 사용하여 Prettier와 충돌하는 ESLint 규칙을 비활성화하는 방식이 표준으로 권장됩니다 [5-7]. - -* **Git 훅을 통한 검증 자동화 (Husky & lint-staged)** - 개발자가 컨벤션에 맞지 않는 코드를 저장소에 커밋하는 것을 방지하기 위해 Git 훅(Git Hooks)을 자동화하는 Husky와 lint-staged가 폭넓게 사용됩니다 [8, 9]. Husky는 `pre-commit`이나 `pre-push` 등의 훅을 쉽게 공유하고 설정하게 해주며, lint-staged는 전체 코드베이스가 아닌 커밋 대기 중인 '스테이징된(staged) 파일'에 대해서만 검사와 포맷팅을 실행하도록 오케스트레이션하여 실행 속도를 획기적으로 높입니다 [9-11]. 이 설정은 `package.json`의 `prepare` 스크립트와 연동되어 팀원 누구나 의존성을 설치할 때 동일한 검증 파이프라인을 구축하게 해줍니다 [12, 13]. - -* **모노레포 환경에서의 워크플로우 구성** - React, Next.js 등 다양한 애플리케이션과 공유 라이브러리를 단일 저장소에서 관리하는 Turborepo 같은 모노레포(Monorepo) 환경에서는 린팅 설정의 파편화와 중복을 막기 위해 중앙집중식 관리를 수행합니다 [14, 15]. 중앙 패키지(예: `@repo/eslint-config`)에 Base, Next.js, 라이브러리 용의 사전 설정(preset)을 정의해두고, 각 개별 패키지에서는 이를 상속하여 사용합니다 [16-18]. 이후 프로젝트 루트 디렉토리에서 lint-staged를 실행할 때, 오케스트레이션 설정을 통해 변경된 파일이 어느 패키지에 속하는지 파악하고 각 패키지의 린팅 규칙을 독립적으로 적용함으로써 유지보수성을 극대화합니다 [18-20]. - -* **정적 애플리케이션 보안 테스트(SAST) 및 AI의 결합** - 코드 품질 검증과 함께 Snyk Code, SonarQube, Checkmarx와 같은 SAST 도구들이 IDE 및 CI/CD 파이프라인에 통합되어 실시간으로 보안 취약점을 점검합니다 [21-23]. 기존의 단순 패턴 매칭을 넘어, 최근 워크플로우에는 LLM과 기계학습(ML)을 기반으로 한 AI 에이전트가 도입되어 파일 간의 데이터 흐름(Interfile analysis)이나 XSS, SQL 인젝션, 하드코딩된 비밀번호 등 복잡한 문맥의 취약점을 탐지합니다 [24-26]. 나아가 발견된 오류에 대해 단순 경고를 넘어 AI 기반의 자동 수정(Auto-fix) 코드를 제안하여 개발자가 즉각적으로 코드를 리팩토링하고 병합할 수 있도록 돕습니다 [27-29]. - -* **개발 워크플로우 내 공급망 보안 위협** - 개발 워크플로우를 구성하는 도구 자체의 보안 검증 또한 중요합니다. 실제로 워크플로우 구축 시 가장 흔하게 사용되는 `eslint-config-prettier` 패키지가 2025년에 공급망 공격(CVE-2025-54313)의 타겟이 된 사례가 있습니다 [30-32]. 관리자의 토큰 탈취를 통해 배포된 악성 버전은 `npm install` 실행 시 윈도우(Windows) 개발자 머신에 원격 코드 실행(RCE)을 가능하게 하는 악성 DLL을 드롭하도록 조작되어 있어, 코드 검증 도구와 서드파티 패키지 사용에 대한 지속적인 보안 및 의존성 관리가 필수적임을 시사합니다 [31-33]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[ESLint]], [[Prettier]], [[Husky]], [[lint-staged]], [[정적 애플리케이션 보안 테스트 (SAST)]], [[공급망 공격 (Supply Chain Attack)]] -- **Projects/Contexts:** [[React 및 Next.js 개발 환경]], [[Turborepo 기반 모노레포 워크플로우]] -- **Contradictions/Notes:** ESLint와 Prettier를 결합할 때, `eslint-plugin-prettier`를 사용하여 Prettier를 ESLint 규칙의 일부로 실행하는 방식이 존재하지만, Prettier 공식 문서 및 실무 환경에서는 성능 저하 문제와 에디터 내 과도한 경고(빨간 밑줄) 발생 등의 피로도 문제로 인해 `eslint-config-prettier`를 활용해 역할(규칙 검사는 ESLint, 포맷팅은 Prettier)을 명확히 분리하는 것을 가장 권장합니다 [5, 34, 35]. - ---- -*Last updated: 2026-04-18* -- Raw Source: [[00_Raw/2026-04-20/프론트엔드 및 Node.js 개발 워크플로우.md]] ---- diff --git a/AI/하이브리드 코드 리뷰 (Hybrid Code Review).md b/AI/하이브리드 코드 리뷰 (Hybrid Code Review).md deleted file mode 100644 index 2c60cc78..00000000 --- a/AI/하이브리드 코드 리뷰 (Hybrid Code Review).md +++ /dev/null @@ -1,44 +0,0 @@ ---- -id: P-REINFORCE-AUTO-4CD9A4 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - 하이브리드 코드 리뷰 (Hybrid Code Review)" ---- - -# [[하이브리드 코드 리뷰 (Hybrid Code Review)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 하이브리드 코드 리뷰는 자동화된 정적 분석 및 AI 도구 스캔과 사람(개발자)에 의한 수동 코드 리뷰를 결합한 접근 방식입니다 [1]. 자동화 도구를 통해 구문 오류나 알려진 보안 취약점을 빠르고 일관되게 찾아내는 동시에, 복잡한 비즈니스 로직, 아키텍처 설계 및 맥락 판단은 인간의 전문성에 맡깁니다 [1, 2]. 두 방식의 장점을 상호 보완적으로 활용하여 릴리스 속도를 높이면서도 코드의 품질과 보안을 극대화하는 현대적인 소프트웨어 개발 워크플로우입니다 [1, 3, 4]. - -## 📖 구조화된 지식 (Synthesized Content) -**하이브리드 리뷰의 필요성 및 개념** -수동 코드 리뷰와 자동화된 코드 리뷰는 각각 뚜렷한 장단점을 지니고 있습니다 [1]. 수동 리뷰는 코드의 작성 의도, 아키텍처, 비즈니스 로직의 맥락을 깊이 이해할 수 있지만, 라인별로 코드를 읽어야 하므로 속도가 느리고 인적 오류나 편향이 발생할 수 있습니다 [5, 6]. 반면 자동화된 리뷰(SAST, 린터 등)는 수천 줄의 코드를 몇 초 만에 스캔하는 속도와 일관성을 제공하지만, 비즈니스 로직이나 맥락을 이해하지 못해 '오탐(False Positives)'을 다수 발생시킬 수 있습니다 [7, 8]. 따라서 자동화 도구가 일상적이고 기계적인 검증을 처리하고, 인간은 맥락 기반의 비판적 사고가 필요한 부분에 집중하는 하이브리드 모델이 최적의 대안으로 평가받습니다 [1, 2]. - -**단계별 하이브리드 워크플로우 (Sequential Gates Architecture)** -성공적인 하이브리드 코드 리뷰 파이프라인은 다음과 같은 단계적 구조로 구성됩니다: -* **1단계 - 자동화 스캔 수행 (Automated Pre-Merge Checks):** Pull Request가 생성되면 CI/CD 파이프라인에서 코드 포맷팅, 린팅, SAST(정적 애플리케이션 보안 테스트), 단위 테스트, 의존성 취약점 스캔 등을 자동으로 병렬 실행하여 기본 규칙 위반과 단순 결함을 조기에 차단합니다 [9-11]. -* **2단계 - 결과의 신속한 분석 및 수정:** 자동화 리포트에서 발견된 구문 오류 등 우선순위가 높은(또는 쉽게 해결 가능한) 경고를 먼저 수정하고 분류(Triage)하여 이후 수동 리뷰에 소요되는 시간을 단축합니다 [9]. -* **3단계 - 조건부 수동 리뷰 (Conditional Human Review Routing):** 자동화 단계를 통과한 후, 고위험 경로(예: 결제, 인증 로직), 아키텍처 변경, 교차 서비스 영향 평가 등 사람의 통찰이 반드시 필요한 영역에 한해 심층적인 수동 검토를 진행합니다 [2, 9, 12]. -* **4단계 - 지속적인 피드백 루프:** 놓친 패턴이나 과도한 오탐이 발생할 경우, 이를 툴체인의 규칙 조정에 반영하여 자동화의 정확도를 지속적으로 향상시킵니다 [9]. - -**하이브리드 리뷰 도입 시 주의해야 할 안티 패턴** -조직 내에서 하이브리드 리뷰를 구축할 때 다음과 같은 위험 요소들을 주의하여야 합니다 [13]. -* **거짓 양성 역설 (The False Positive Paradox):** 자동화 도구를 적절히 튜닝하지 않으면 너무 많은 알림이 발생하여 경고 피로(Alert Fatigue)가 생기고, 개발자가 진짜 치명적인 취약점마저 무시하게 됩니다 [8, 13]. -* **자동화에 대한 과도한 신뢰 (Over-Confidence in Automation):** 실제 연구에 따르면 SAST 도구는 실제 취약점의 약 22%를 놓칠 수 있습니다. 자동화 검사를 통과했다고 해서 완벽하다고 맹신하지 말고 고위험 변경 사항은 반드시 인간의 확인을 거쳐야 합니다 [13, 14]. -* **"녹색 체크 마크" 증후군 (The "Green Check Mark" Syndrome):** 실제 아키텍처 개선이나 코드 품질 이해보다는 단순히 자동화된 파이프라인(린터 등)을 통과하는 것에만 초점을 맞추어 겉핥기식 수정만 이루어지는 현상입니다 [13, 15]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[수동 코드 리뷰 (Manual Code Review)]], [[자동화된 코드 리뷰 (Automated Code Review)]], [[정적 애플리케이션 보안 테스트 (SAST)]], [[소프트웨어 구성 분석 (SCA)]] -- **Projects/Contexts:** [[지속적 통합/지속적 배포 (CI/CD) 파이프라인]], [[Pull Request (PR) 승인 워크플로우]] -- **Contradictions/Notes:** 소스는 수동 리뷰와 자동화 리뷰 중 어느 하나가 다른 하나를 완벽히 대체할 수 없음을 강조합니다. 자동화 도구(AI 포함)는 속도와 확장성이 뛰어나나 비즈니스 로직과 설계의 맥락을 파악하지 못해 한계(Context Blindness)를 보이며, 반대로 사람은 피로도와 비용 문제로 모든 코드를 완벽히 리뷰할 수 없습니다. 따라서 양쪽을 결합하는 하이브리드 접근이 보안과 품질 유지의 핵심 타협점으로 꼽힙니다 [1, 8, 16, 17]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/하이브리드 코드 리뷰 (Hybrid Code Review).md]] ---- diff --git a/AI/하이브리드 코드 리뷰.md b/AI/하이브리드 코드 리뷰.md deleted file mode 100644 index 2096d982..00000000 --- a/AI/하이브리드 코드 리뷰.md +++ /dev/null @@ -1,50 +0,0 @@ ---- -id: P-REINFORCE-AUTO-F958B3 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - 하이브리드 코드 리뷰" ---- - -# [[하이브리드 코드 리뷰]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 하이브리드 코드 리뷰는 인공지능(AI) 및 자동화 도구의 처리 속도와 인간 개발자의 깊은 통찰력을 결합한 최적의 코드 리뷰 모델입니다 [1]. 자동화 도구가 반복적인 구문 검사와 알려진 취약점을 신속하고 일관되게 찾아내는 동안, 인간 리뷰어는 도구가 파악할 수 없는 아키텍처의 트레이드오프, 복잡한 비즈니스 로직 및 보안 컨텍스트에 집중합니다 [1-3]. 두 방식의 단점을 상호 보완함으로써 개발 속도를 늦추지 않으면서도 소프트웨어의 보안과 코드 품질을 극대화하는 것이 이 접근법의 핵심입니다 [1, 4]. - -## 📖 구조화된 지식 (Synthesized Content) -**1. 하이브리드 코드 리뷰 프로세스 단계** -성공적인 하이브리드 접근법은 자동화와 인간의 판단을 단계별로 배치합니다 [5]. -* **자동화 스캔 우선 실행:** CI/CD 파이프라인에 정적 분석(SAST) 및 린팅을 통합하여 모든 푸시 단계에서 구문 오류, 단순 보안 결함, 코드 스타일 등을 즉시 검사하여 정책을 강제합니다 [5]. -* **결과 신속 분석 및 조치:** 자동화 도구의 보고서에서 주요 문제를 빠르게 해결하여 이후 단계의 속도를 높입니다 [5]. -* **수동 리뷰 수행:** 기본 문제가 해결된 코드를 바탕으로, 인간 리뷰어는 보안에 민감한 영역, 복잡한 알고리즘, 교차 서비스 영향 등 기계가 파악하기 힘든 문맥 및 설계 요소에 집중하여 검사합니다 [5-7]. -* **지속적인 피드백 루프 및 온보딩:** 놓친 패턴이나 잦은 오탐지가 발생하면 자동화 도구의 규칙을 재조정하며, 수동 리뷰 과정은 주니어 개발자를 위한 멘토링 기회로 활용됩니다 [5]. - -**2. 하이브리드 리뷰 워크플로우 아키텍처 (순차적 게이트)** -기술 리더는 경로 기반 라우팅(Path-Based Routing)과 순차적 게이트(Sequential Gates) 아키텍처를 사용하여 워크플로우를 구축할 수 있습니다 [8-10]. -* **1단계 (자동화된 병합 전 검사):** 풀 리퀘스트 생성 시 린팅, 테스트, SAST 및 의존성 취약점 스캔이 병렬로 실행됩니다 [9]. -* **2단계 (조건부 인간 리뷰 라우팅):** 자동화 검사를 통과한 후, 변경된 파일 경로(예: `auth/*`, `payment/*`)나 코드의 복잡성, 변경 규모에 따라 적절한 인간 리뷰어(시니어 엔지니어, 보안 전문가 등)에게 자동으로 리뷰를 요청합니다 [10]. -* **3단계 (병합 활성화):** 자동화 상태 검사 통과 및 요구되는 인간의 승인이 모두 확보된 경우에만 코드 병합(Merge)이 허용됩니다 [10]. - -**3. 보안 및 컴플라이언스 측면의 이점** -산업 표준(NIST SSDF, SOC 2, PCI DSS 등)은 코드 리뷰와 분석을 모두 요구합니다 [11]. 하이브리드 리뷰는 자동화 도구가 알려진 취약점 패턴과 코드 정책(예: 비밀키 하드코딩 방지)을 강제하는 동시에, 수동 리뷰가 문맥별 규정 준수(예: 신용카드 필드가 보안 정책에 맞게 처리되는지 확인)를 검증하므로 강력한 감사 추적(Audit Trail)과 보안 태세를 제공합니다 [11, 12]. - -**4. 주의해야 할 안티패턴** -하이브리드 리뷰 시스템을 구현할 때 피해야 할 주요 안티패턴은 다음과 같습니다 [13]. -* **오탐지 역설 (False Positive Paradox):** SAST 도구를 제대로 튜닝하지 않으면 너무 많은 오탐지가 발생해, 알림 피로(Alert fatigue)로 인해 개발자가 진짜 중요한 취약점마저 무시하게 됩니다 [2, 13]. -* **자동화에 대한 과신:** 자동화 도구가 실제 취약점의 약 22%를 놓친다는 연구 결과가 있음에도 불구하고, 모든 검사가 끝났다고 착각하여 고위험 변경 사항에 대한 인간의 필수 리뷰를 생략하는 위험입니다 [13, 14]. -* **녹색 체크마크 증후군 (Green Check Mark Syndrome):** 코드의 실질적 품질과 아키텍처 건전성을 이해하기보다는, 단순히 자동화 검사 통과를 위해 피상적인 수정(Superficial fixes)만 적용하는 현상입니다 [13, 15]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[수동 코드 리뷰]], [[자동화된 코드 리뷰]], [[SAST (Static Application Security Testing)]] -- **Projects/Contexts:** [[CI/CD 파이프라인]], [[순차적 게이트 아키텍처]] -- **Contradictions/Notes:** 자동화 도구는 속도와 확장성 측면에서 훌륭하지만 비즈니스 로직과 의도를 파악하는 "문맥맹(Context Blindness)"의 한계가 있어 30~60%의 높은 오탐지율을 발생시키거나 특정 취약점(예: 신종 논리 공격)을 완전히 놓칠 수 있습니다. 따라서 오직 자동화에만 의존하는 것은 위험하며, 인간의 문맥 이해를 결합한 하이브리드 접근이 필수적이라고 소스들은 공통적으로 지적합니다 [2, 14]. - ---- -*Last updated: 2026-04-18* -- Raw Source: [[00_Raw/2026-04-20/하이브리드 코드 리뷰.md]] ---- diff --git a/AI/할당 실패(Allocation Failure).md b/AI/할당 실패(Allocation Failure).md deleted file mode 100644 index fe25cd28..00000000 --- a/AI/할당 실패(Allocation Failure).md +++ /dev/null @@ -1,37 +0,0 @@ ---- -id: P-REINFORCE-AUTO-32A771 -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - 할당 실패(Allocation Failure)" ---- - -# [[할당 실패(Allocation Failure)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 할당 실패(Allocation Failure)는 애플리케이션이 새로운 객체를 생성하기 위해 메모리를 요청했으나, 현재의 메모리 공간(주로 New Space나 Java 객체 힙)에 연속된 여유 메모리가 충분하지 않을 때 발생하는 이벤트이다 [1, 2]. 이 실패 현상은 시스템이 메모리 요청을 충족시키기 위해 가비지 컬렉션(GC)을 강제로 실행하도록 만드는 가장 주요한 트리거(trigger) 역할을 한다 [1, 3]. V8 엔진이나 Java 가상 머신(JVM) 등에서 공통적으로 발생하며, 할당 실패가 감지되면 엔진은 즉시 Scavenge(마이너 GC) 또는 전역 GC 사이클을 시작하여 메모리를 확보한다 [4, 5]. - -## 📖 구조화된 지식 (Synthesized Content) -* **발생 원인과 메커니즘** - 애플리케이션이 새 객체를 메모리에 할당하려고 시도할 때, 메모리 할당 포인터가 New Space(또는 Nursery 영역)의 경계에 도달하여 요구하는 만큼의 충분한 연속 여유 공간을 찾지 못하면 할당 실패가 발생한다 [1, 4, 5]. Java 환경의 경우, Java 객체 힙에 사용 가능한 메모리가 충분하지 않아 프로그램의 메모리 할당 요청이 거부될 때 발생하는 현상으로 정의된다 [2]. - -* **가비지 컬렉션(GC) 사이클 촉발** - 할당 실패는 메모리 관리를 위해 가비지 컬렉터를 가동하는 핵심적인 내부 메커니즘이다 [3]. V8 엔진의 경우 New Space에서 할당 실패가 발생하면 즉시 'Scavenge'라 불리는 마이너 가비지 컬렉션 사이클을 트리거한다 [5]. 시스템은 애플리케이션의 후속 코드 실행을 재개하기 전에 반드시 GC를 강제로 실행하여 쓸모없는 객체를 치우고 여유 메모리 공간을 먼저 확보해야만 한다 [1]. - -* **로깅(Logging) 및 모니터링** - `--trace-gc` 플래그 등을 통해 출력되는 런타임 힙 로그에서, 할당 실패는 GC 이벤트가 발생한 '이유(Reason)' 항목으로 명확하게 기록된다 [1, 6]. IBM Java 환경의 상세 GC 로그(Verbose GC logs)에서도 ``라는 XML 요소를 사용하여 할당 실패에 의한 GC 트리거 시작을 기록한다 [2]. 개발자는 이러한 기록을 분석하여 할당 타이밍과 애플리케이션의 메모리 부족(Memory pressure) 상태를 파악할 수 있다 [1, 7]. 또한, 전역 GC 사이클을 트리거한 최근의 할당 실패 작업이 힙을 압축(compact)하지 않았을 경우, 이후 명시적인 GC 요청 시 힙 압축을 유발하는 조건으로 작용하기도 한다 [8]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** `[[가비지 컬렉션(Garbage Collection)]]`, `[[Scavenge(마이너 GC)]]`, `[[New Space(Young Generation)]]` -- **Projects/Contexts:** `[[V8 자바스크립트 엔진의 메모리 관리 메커니즘]]`, `[[IBM Java 가상 머신(JVM)의 가비지 컬렉션 로깅 분석]]` -- **Contradictions/Notes:** 소스 간의 모순점은 발견되지 않았으며, 할당 실패는 V8 엔진과 Java JVM 환경 모두에서 연속된 여유 메모리가 부족할 때 가비지 컬렉션을 즉각적으로 유발하는 동일한 트리거 원리로 일관되게 설명되고 있다. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/할당 실패(Allocation Failure).md]] ---- diff --git a/AI/함수 호출 (Function Calling).md b/AI/함수 호출 (Function Calling).md deleted file mode 100644 index 38b59906..00000000 --- a/AI/함수 호출 (Function Calling).md +++ /dev/null @@ -1,25 +0,0 @@ ---- -id: P-REINFORCE-AUTO-34CE7C -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - 함수 호출 (Function Calling)" ---- - -# [[함수 호출 (Function Calling)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -본문 구조화 작업 중... - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) - -- Raw Source: [[00_Raw/2026-04-20/함수 호출 (Function Calling).md]] ---- diff --git a/AI/힙 스냅샷(Heap Snapshot).md b/AI/힙 스냅샷(Heap Snapshot).md deleted file mode 100644 index 318b57c8..00000000 --- a/AI/힙 스냅샷(Heap Snapshot).md +++ /dev/null @@ -1,47 +0,0 @@ ---- -id: P-REINFORCE-AUTO-BE247C -category: "[[10_Wiki/💡 Topics/AI]]" -confidence_score: 0.90 -tags: [auto-reinforced] -last_reinforced: 2026-04-20 -github_commit: "[P-Reinforce] Continuous Worker - 힙 스냅샷(Heap Snapshot)" ---- - -# [[힙 스냅샷(Heap Snapshot)]] - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 지식 요약 정보 추출 중... - -## 📖 구조화된 지식 (Synthesized Content) -* **작동 원리 및 고유 ID 식별:** - * 힙 스냅샷은 글로벌 객체(Global Object)에서 도달할 수 있는(Reachable) 객체들만 캡처하며, 캡처를 시작할 때 항상 가비지 컬렉션을 먼저 수행하여 살아있는 객체만 남깁니다 [5]. - * 스냅샷 내의 각 객체에는 `@` 기호 뒤에 고유 ID(예: `@12345`)가 부여됩니다 [6, 7]. 이 ID는 가비지 컬렉션 중 객체의 메모리 주소가 변경되더라도 여러 스냅샷 세션 간에 동일하게 유지되므로, 힙 상태를 객체 단위로 정확히 비교할 수 있게 해줍니다 [6-10]. - -* **메모리 크기 측정 방식:** - * **Shallow Size (얕은 크기):** 객체 자체가 차지하는 메모리 크기입니다. 일반적으로 배열과 문자열이 큰 얕은 크기를 가집니다 [11]. - * **Retained Size (보존된 크기):** 해당 객체를 삭제하여 그에 종속된 객체들이 더 이상 도달할 수 없게(Unreachable) 될 때 확보할 수 있는 최대 메모리 크기입니다 [11]. - -* **동작 상세 로그 추적을 위한 주요 분석 뷰(Views):** - * **Summary (요약 뷰):** 생성자(Constructor) 이름별로 객체를 그룹화하여 보여주며, 분리된 DOM 노드(Detached DOM nodes)와 같은 누수를 추적하는 데 유용합니다 [4, 12, 13]. - * **Comparison (비교 뷰):** 특정 작업(예: 모달 열기/닫기) 전후로 캡처한 두 스냅샷 간의 차이점(Delta)을 보여주어, 해제되지 않고 새로 추가된 객체를 통해 메모리 누수를 확인합니다 [1, 3, 4, 14, 15]. - * **Containment (포함 뷰):** 애플리케이션의 객체 구조를 조감도(Bird's eye view)처럼 보여주어 클로저(Closure) 내부나 GC 루트(Roots)를 분석할 수 있습니다 [4, 15]. - * **Retainers (보유자 패널):** 특정 객체를 참조하여 메모리에 살아있게 만드는 참조 체인(Chain of references)을 보여줍니다 [1, 16]. 이 체인을 거슬러 올라가면 누수의 근본 원인을 찾을 수 있습니다 [1]. - -* **분석 시 주의 사항(Gotchas):** - * 원시 힙에는 수천 개의 V8 내부 객체(예: `(compiled code)`, `system / Context`)가 포함되어 있으므로, 애플리케이션의 객체에 집중하려면 "Constructor" 필터를 사용해야 합니다 [17-19]. - * 코드 축소(Minification)로 인해 참조 체인을 읽기 어려울 수 있으므로, 소스 맵(Source Maps)을 사용하거나 익명 함수 대신 기명 함수를 사용하여 클로저를 쉽게 식별할 수 있도록 해야 합니다 [17, 20]. - * 숫자와 같은 비문자열 값이나 네이티브 코드를 실행하는 Getter로 구현된 속성들은 자바스크립트 힙에 저장되지 않아 캡처되지 않을 수 있습니다 [12]. - -## ⚠️ 모순 및 업데이트 (Contradictions & RL Update) -- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요. -- **정책 변화:** AI 분야의 자동 자산화 수행. - -## 🔗 지식 연결 (Graph) -- **Related Topics:** [[메모리 누수(Memory Leak)]], [[가비지 컬렉션(Garbage Collection)]], [[Allocation Timeline]] -- **Projects/Contexts:** [[Chrome DevTools Memory Panel]], [[V8 Engine Heap Management]] -- **Contradictions/Notes:** 메모리 그래프가 증가한다고 해서 무조건 메모리 누수인 것은 아닙니다. 캐시(Caches), 실행 취소 내역, 가상화된 목록 버퍼 등은 의도적으로 데이터를 보존하므로 의도적인 메모리 보존과 사고에 의한 메모리 누수를 명확히 구별해야 합니다 [17]. - ---- -*Last updated: 2026-04-19* -- Raw Source: [[00_Raw/2026-04-20/힙 스냅샷(Heap Snapshot).md]] ---- diff --git a/API_Communication_Patterns.md b/API_Communication_Patterns.md deleted file mode 100644 index 07b8125c..00000000 --- a/API_Communication_Patterns.md +++ /dev/null @@ -1,26 +0,0 @@ ---- -title: 효율적인 API 통신 패턴 (Axios & Interceptors) -category: Software Architecture -tags: [API, Axios, Interceptor, Error Handling, Network] -created: 2026-04-20 ---- - -# [[API_Communication_Patterns]] (API 통신 패턴) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 서버와의 대화는 항상 '정중하되 의심하며' 처리하라. 모든 요청은 중앙 통제소(Interceptor)를 거치고 모든 에러는 시나리오가 준비되어 있어야 한다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Service Layer (서비스 레이어) 추상화**: - - 컴포넌트 내에 `axios` 코드를 기생시키지 마라. `userService.js`, `productApi.js` 처럼 API별로 모듈화하여 컴포넌트는 오직 '함수 호출'만 알게 하라. -- **Axios Interceptors (심사 통로)**: - - 모든 요청에 인증 토큰을 자동으로 붙이거나, 백엔드에서 내려오는 401 에러를 가로채서 자동으로 토큰을 갱신(Silent Refresh)하는 로직을 중앙 집권화한다. -- **Error Scenario Planning**: - - 400(잘못된 요청), 403(권한 없음), 500(서버 죽음) 등 각 에러 코드별로 사용자가 경험할 UI 처리 방침을 미리 약속하라. - -## ⚠️ 모순 및 업데이트 (RL Update) -- 모든 통신에 Axios가 정답은 아니다. 브라우저 네이티브인 `fetch`로도 충분한 경우가 많으며, 라이브러리 의존성을 낮추는 것이 가벼운 앱을 만드는 첫걸음일 수 있다. - -## 🔗 지식 연결 (Graph) -- Related: [[System_Protocol_Standard]] , [[React_State_Management_Strategy]] -- Foundation: [[Reliability_Safety_First]] diff --git a/Accessibility_Inclusivity.md b/Accessibility_Inclusivity.md deleted file mode 100644 index c6af0e18..00000000 --- a/Accessibility_Inclusivity.md +++ /dev/null @@ -1,26 +0,0 @@ ---- -title: 웹 접근성 및 포용적 설계 (a11y) -category: Software Architecture -tags: [Accessibility, a11y, Semantic HTML, Inclusivity] -created: 2026-04-20 ---- - -# [[Accessibility_Inclusivity]] (포용적 설계와 접근성) - -## 📌 한 줄 통찰 (The Karpathy Summary) -> 웹은 '모두'를 위한 공간이어야 한다. 신체적 제약이 시스템 이용의 제약이 되지 않게 하는 것은 '매너'가 아니라 전문 개발자의 '책임'이다. - -## 📖 구조화된 지식 (Synthesized Content) -- **Semantic HTML (의미론적 태그)**: - - `
`로만 도배하지 마라. `
`, `
`, `
`, `