Files
2nd/10_Wiki/Topics/Other/Related-Work.md
T

3.3 KiB

id, title, category, status, canonical_id, aliases, duplicate_of, source_trust_level, confidence_score, tags, raw_sources, last_reinforced, github_commit, inferred_by
id title category status canonical_id aliases duplicate_of source_trust_level confidence_score tags raw_sources last_reinforced github_commit inferred_by
wiki-2026-0508-related-work Related Work 10_Wiki/Topics needs_review self
P-Reinforce-AUTO-REWO-001
none A 0.9
auto-reinforced
related-work
literature-review
State-of-the-art
SOTA
context-setting
2026-04-20 pending Claude Opus 4.7 (auto-normalize 2026-05-08)

Related-Work

📌 한 줄 통찰 (The Karpathy Summary)

"지적 맥락 놓기: 내가 지금 하는 일이 하늘에서 뚝 떨어진 게 아니라, 기존의 어떤 연구들과 맞닿아 있고 무엇이 다른지를 명확히 함으로써, 내 작업의 '차별화된 가치'와 '위치'를 증명하는 학구적인 지도 제작."

📖 구조화된 지식 (Synthesized Content)

관련 연구(Related-Work) 혹은 기존 연구 조사는 특정 주제에 대해 이미 수행된 다른 사람들의 작업을 검토하고 분석하는 활동입니다.

  1. 목적:
    • Avoid Reinventing the Wheel: 남이 이미 다 해놓은 일을 반복하지 않음. (Efficiency와 연결)
    • Gap Identification: 기존 연구들이 놓친 '빈 공간' 발견. (Innovation와 연결)
    • SOTA (State-of-the-Art): 현재 기술의 정점이 어디인지 파악.
  2. 왜 중요한가?:
    • 기존 지식과 연결되지 않은 새로운 주장은 '망상'일 확률이 높으며, 지식의 연결성(Connectivity)이 곧 그 지식의 생존력 정책이 되기 때문임.

⚠️ 모순 및 업데이트 (Contradictions & Updates)

  • 과거 데이터와의 충돌: 과거에는 사람이 일일이 논문을 찾아 읽는 고난의 정책이었으나, 현대 정책은 AI가 수천 개의 연구 문고 정책을 읽고 자동으로 '관련 연구 맵 정책'을 그려 지식의 흐름 정책을 한눈에 보여주는 'AI 리서치 정책'으로 진화함(RL Update).
  • 정책 변화(RL Update): 본 지식 시스템의 각 파일 하단 Related 섹션은 사실상의 마이크로 관련 연구(Related Work) 정책으로 작동하며, 지식 간의 유기적 연결 정책을 통해 대표님께 통합적인 통찰 정책을 제공함.

🔗 지식 연결 (Graph)


🤖 LLM 활용 힌트 (How to Use This Knowledge)

언제 이 지식을 쓰는가:

  • (TODO)

언제 쓰면 안 되는가:

  • (TODO)

🧪 검증 상태 (Validation)

  • 정보 상태: needs_review
  • 출처 신뢰도: A
  • 검토 이유: (P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)

🧬 중복 검사 (Duplicate Check)

  • 기존 유사 문서: (TODO: 인덱서 클러스터 리포트 참조)
  • 처리 방식: UPDATE (자동 정규화)
  • 처리 이유: Phase 1 정규화 — 옛 템플릿/누락 필드 보강.

🕓 변경 이력 (Changelog)

날짜 변경 내용 처리 방식 신뢰도
2026-05-08 P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) UPDATE A