modular · GzuPark · Apr 23, 2026 · Apr 23, 2026 · Apr 23, 2026 · Apr 23, 2026
diff --git a/book/i18n/ko/src/SUMMARY.md b/book/i18n/ko/src/SUMMARY.md
@@ -1,4 +1,4 @@
-<!-- i18n-source-commit: 704b538202746549a7731989c173fdc49f00c5c2 -->
+<!-- i18n-source-commit: 19dfa37b22cd58ed566fcd5cb2f52ec00e453202 -->
 
 # 목차
 

diff --git a/book/i18n/ko/src/howto.md b/book/i18n/ko/src/howto.md
@@ -1,4 +1,4 @@
-<!-- i18n-source-commit: 45b4d82c1f65818e5f47f7c2925ef0f3083e9875 -->
+<!-- i18n-source-commit: 3e0e9809f1f74dd2394fb4df9dc405ce7bf2bf4a -->
 
 ## 퍼즐 사용 가이드
 

diff --git a/book/i18n/ko/src/introduction.md b/book/i18n/ko/src/introduction.md
@@ -1,4 +1,4 @@
-<!-- i18n-source-commit: c9af1879392132dd9daba5704b3500ab642a5ae3 -->
+<!-- i18n-source-commit: 19dfa37b22cd58ed566fcd5cb2f52ec00e453202 -->
 
 # Mojo 🔥 GPU Puzzles, Edition 1
 

diff --git a/book/i18n/ko/src/puzzle_01/puzzle_01.md b/book/i18n/ko/src/puzzle_01/puzzle_01.md
@@ -1,4 +1,4 @@
-<!-- i18n-source-commit: b82637b949a6bf5378c37ebf6a8e6a543af65e72 -->
+<!-- i18n-source-commit: 19dfa37b22cd58ed566fcd5cb2f52ec00e453202 -->
 
 # Puzzle 1: Map
 

diff --git a/book/i18n/ko/src/puzzle_01/tile_tensor_preview.md b/book/i18n/ko/src/puzzle_01/tile_tensor_preview.md
@@ -1,4 +1,4 @@
-<!-- i18n-source-commit: f614177b516e68590fa807e66e31c9f20488c7e7 -->
+<!-- i18n-source-commit: 19dfa37b22cd58ed566fcd5cb2f52ec00e453202 -->
 
 ## 왜 TileTensor를 고려해야 할까요?
 

diff --git a/book/i18n/ko/src/puzzle_02/puzzle_02.md b/book/i18n/ko/src/puzzle_02/puzzle_02.md
@@ -1,4 +1,4 @@
-<!-- i18n-source-commit: dcd89827b455a7cd2fe3ac7c11587bcac2dd9789 -->
+<!-- i18n-source-commit: 19dfa37b22cd58ed566fcd5cb2f52ec00e453202 -->
 
 # Puzzle 2: Zip
 

diff --git a/book/i18n/ko/src/puzzle_03/puzzle_03.md b/book/i18n/ko/src/puzzle_03/puzzle_03.md
@@ -1,4 +1,4 @@
-<!-- i18n-source-commit: b45a36a83148aa53ca8b3cf4b96304e3cc742518 -->
+<!-- i18n-source-commit: 19dfa37b22cd58ed566fcd5cb2f52ec00e453202 -->
 
 # Puzzle 3: 가드
 

diff --git a/book/i18n/ko/src/puzzle_04/introduction_tile_tensor.md b/book/i18n/ko/src/puzzle_04/introduction_tile_tensor.md
@@ -1,4 +1,4 @@
-<!-- i18n-source-commit: 9ac1b899ca05c1be26f2d9ee77fe97503d00cc0f -->
+<!-- i18n-source-commit: 19dfa37b22cd58ed566fcd5cb2f52ec00e453202 -->
 
 # TileTensor 알아보기
 

diff --git a/book/i18n/ko/src/puzzle_04/puzzle_04.md b/book/i18n/ko/src/puzzle_04/puzzle_04.md
@@ -1,4 +1,4 @@
-<!-- i18n-source-commit: c851c500cec0955e101b5dae8db281cced543065 -->
+<!-- i18n-source-commit: 19dfa37b22cd58ed566fcd5cb2f52ec00e453202 -->
 
 # Puzzle 4: 2D Map
 

diff --git a/book/i18n/ko/src/puzzle_04/tile_tensor.md b/book/i18n/ko/src/puzzle_04/tile_tensor.md
@@ -1,4 +1,4 @@
-<!-- i18n-source-commit: db06539cab77774402e8a4bf955018fd853803d9 -->
+<!-- i18n-source-commit: 19dfa37b22cd58ed566fcd5cb2f52ec00e453202 -->
 
 # TileTensor 버전
 

diff --git a/book/i18n/ko/src/puzzle_05/puzzle_05.md b/book/i18n/ko/src/puzzle_05/puzzle_05.md
@@ -1,11 +1,13 @@
-<!-- i18n-source-commit: 430a6f13dcfdbf8b417585a7b28f41a575467d2b -->
+<!-- i18n-source-commit: 19dfa37b22cd58ed566fcd5cb2f52ec00e453202 -->
 
 # Puzzle 5: 브로드캐스트
 
 ## 개요
 
 1D TileTensor `a`와 `b`를 브로드캐스트로 더해 2D TileTensor `output`에 저장하는 커널을 구현해 보세요.
 
+병렬 프로그래밍에서 **브로드캐스트(broadcasting)** 는 요소별 연산을 할 때 저차원 배열을 고차원 배열의 형상에 맞게 자동으로 확장하는 것을 말합니다. 실제로 메모리에 데이터를 복제하지 않고, 추가 차원에 걸쳐 값을 논리적으로 반복하는 방식입니다. 예를 들어, 2D 행렬의 각 행(또는 열)에 1D 벡터를 더할 때 벡터를 여러 번 복사하지 않아도 같은 요소가 자동으로 반복 적용됩니다.
+
 **참고**: _스레드 수가 행렬의 위치 수보다 많습니다._
 
 <img src="/puzzle_05/media/05.png" alt="Broadcast 시각화" class="light-mode-img">
@@ -15,14 +17,16 @@
 
 이 퍼즐에서 배울 내용:
 
-- 브로드캐스트 연산에 `TileTensor` 사용하기
-- 서로 다른 텐서 크기 다루기
-- `TileTensor`로 2D 인덱싱 처리하기
+- `TileTensor`로 서로 다른 차원에 1D 벡터 브로드캐스트하기
+- 2D 스레드 인덱스로 GPU 스레드를 2D 출력 행렬에 매핑하기
+- 혼합 차원 연산을 위해 서로 다른 텐서 크기 다루기
+- 브로드캐스트 패턴에서 경계 조건 처리하기
 
 핵심은 `TileTensor`가 서로 다른 텐서 크기 \\((1, n)\\)와 \\((n, 1)\\)을 \\((n,n)\\)으로 자연스럽게 브로드캐스트할 수 있다는 점입니다. 그러면서도 경계 검사는 여전히 필요합니다.
 
 - **텐서 크기**: 입력 벡터의 크기는 \\((1, n)\\)과 \\((n, 1)\\)
-- **브로드캐스트**: 두 차원을 결합해 \\((n,n)\\) 출력 생성
+- **브로드캐스트**: `a`의 각 원소가 `b`의 각 원소와 결합되어 두 차원이 확장된 \\((n,n)\\) 출력 생성
+- **접근 패턴**: `a[0, col]`은 행을 따라 수평으로 브로드캐스트되고, `b[row, 0]`은 열을 따라 수직으로 브로드캐스트됨
 - **가드 조건**: 출력 크기에 대한 경계 검사는 여전히 필요
 - **스레드 범위**: 텐서 원소 \\((2 \times 2)\\)보다 스레드 \\((3 \times 3)\\)가 많음
 

diff --git a/book/i18n/ko/src/puzzle_06/puzzle_06.md b/book/i18n/ko/src/puzzle_06/puzzle_06.md
@@ -1,11 +1,13 @@
-<!-- i18n-source-commit: db06539cab77774402e8a4bf955018fd853803d9 -->
+<!-- i18n-source-commit: 19dfa37b22cd58ed566fcd5cb2f52ec00e453202 -->
 
 # Puzzle 6: 블록
 
 ## 개요
 
 벡터 `a`의 각 위치에 10을 더해 `output`에 저장하는 커널을 구현해 보세요.
 
+**스레드 블록(thread block)** (또는 줄여서 **블록**)은 하나의 GPU 멀티프로세서에서 함께 실행되는 스레드 묶음입니다. 같은 블록 안의 모든 스레드는 공유 메모리를 함께 사용하고 서로 동기화할 수 있습니다. 데이터가 한 블록이 처리할 수 있는 범위보다 크면 GPU는 여러 블록을 스케줄링하고, 각 블록은 자기 몫의 데이터를 독립적으로 처리합니다. 스레드의 전역 위치는 블록 내 위치(`thread_idx.x`)와 소속 블록(`block_idx.x`)을 합쳐 계산합니다: `global_i = block_dim.x * block_idx.x + thread_idx.x`.
+
 **참고:** _블록당 스레드 수가 `a`의 크기보다 작습니다._
 
 <img src="/puzzle_06/media/06.png" alt="블록 시각화" class="light-mode-img">

diff --git a/book/i18n/ko/src/puzzle_07/puzzle_07.md b/book/i18n/ko/src/puzzle_07/puzzle_07.md
@@ -1,4 +1,4 @@
-<!-- i18n-source-commit: 8726393ce8f2ba4d52d2ceec6352706da1f1806a -->
+<!-- i18n-source-commit: 19dfa37b22cd58ed566fcd5cb2f52ec00e453202 -->
 
 # Puzzle 7: 2D 블록
 

diff --git a/book/i18n/ko/src/puzzle_08/puzzle_08.md b/book/i18n/ko/src/puzzle_08/puzzle_08.md
@@ -1,11 +1,13 @@
-<!-- i18n-source-commit: 8726393ce8f2ba4d52d2ceec6352706da1f1806a -->
+<!-- i18n-source-commit: 19dfa37b22cd58ed566fcd5cb2f52ec00e453202 -->
 
 # Puzzle 8: 공유 메모리
 
 ## 개요
 
 1D TileTensor `a`의 각 위치에 10을 더해 1D TileTensor `output`에 저장하는 커널을 구현해 보세요.
 
+**공유 메모리(shared memory)** 는 같은 블록 안의 모든 스레드가 접근할 수 있는, 칩에 내장된 빠른 저장소입니다. 모든 블록이 접근할 수 있지만 느린 전역 메모리와 달리, 공유 메모리의 지연 시간은 CPU의 레지스터 캐시 수준입니다. 각 블록은 고유한 공유 메모리 영역을 가지므로, 한 블록의 스레드는 다른 블록의 공유 메모리를 볼 수 없습니다. 여러 스레드가 같은 공유 메모리 위치를 읽고 쓸 수 있기 때문에, 한 스레드가 다른 스레드의 쓰기가 끝나기 전에 값을 읽는 상황을 막으려면 `barrier()`를 통한 조율이 필요합니다.
+
 **참고:** _블록당 스레드 수가 `a`의 크기보다 작습니다._
 
 <img src="/puzzle_08/media/08.png" alt="공유 메모리 시각화" class="light-mode-img">

diff --git a/book/i18n/ko/src/puzzle_09/essentials.md b/book/i18n/ko/src/puzzle_09/essentials.md
@@ -1,4 +1,4 @@
-<!-- i18n-source-commit: a6f8350359da1569bc39e376bc26580246e61653 -->
+<!-- i18n-source-commit: d2cab328c74d2179083defee75c4c57e4cf4892d -->
 
 # 📚 Mojo GPU 디버깅의 핵심
 
@@ -345,7 +345,18 @@ Puzzle 01이 실행될 때 무슨 일이 일어나는지 추적해 봅시다. **
 Breakpoint 1: where = mojo`main, address = 0x00000000027d7530
 ```
 
-디버거가 main 함수를 찾았고 거기서 실행을 일시 정지합니다.
+또는 다음과 같이 보일 수도 있습니다:
+
+```
+Breakpoint 1: no locations (pending).
+WARNING: Unable to resolve breakpoint to any actual locations.
+```
+
+브레이크포인트가 보류(pending) 상태로 표시돼도 예상된 동작입니다. Mojo 프로그램은 JIT으로 컴파일되므로 프로그램 실행이 시작되기 전까지 디버거가 심볼을 해석하지 못할 수 있습니다. 이 경우 브레이크포인트는 등록되어 있지만 LLDB가 아직 구체적인 명령어 주소에 바인딩하지 못한 상태입니다.
+
+실행이 시작되고 모듈이 컴파일되면 LLDB가 브레이크포인트를 자동으로 해석합니다.
+
+어느 쪽이든 브레이크포인트는 정상적으로 설정된 상태이며, 프로그램이 실행되면 그 지점에서 실행이 일시 정지됩니다.
 
 **Step 2: 프로그램 시작**
 

diff --git a/book/i18n/ko/src/puzzle_09/puzzle_09.md b/book/i18n/ko/src/puzzle_09/puzzle_09.md
@@ -1,4 +1,4 @@
-<!-- i18n-source-commit: 880bd66d68512416dd5cb724c08fa64530113525 -->
+<!-- i18n-source-commit: 19dfa37b22cd58ed566fcd5cb2f52ec00e453202 -->
 
 # Puzzle 9: GPU 디버깅 워크플로우
 

diff --git a/book/i18n/ko/src/puzzle_09/second_case.md b/book/i18n/ko/src/puzzle_09/second_case.md
@@ -1,4 +1,4 @@
-<!-- i18n-source-commit: 0b65eaf4dea76e1eb968b4fc2ca14e563df205a2 -->
+<!-- i18n-source-commit: d4708811cf72aa9c63e34ecf289f4a5bcc2f37f5 -->
 
 # 🔍 탐정 수사: 두 번째 사례
 
@@ -156,20 +156,20 @@ Each position should sum its neighbors: [left + center + right]
 [Switching focus to CUDA kernel 0, grid 1, block (0,0,0), thread (0,0,0), device 0, sm 0, warp 0, lane 0]
 
 CUDA thread hit application kernel entry function breakpoint, p09_process_sliding_window_...
-   <<<(1,1,1),(4,1,1)>>> (output=..., input=...)
-    at /home/ubuntu/workspace/mojo-gpu-puzzles/problems/p09/p09.mojo:30
-30          input: TileTensor[mut=False, dtype, vector_layout],
+   <<<(1,1,1),(4,1,1)>>> (output=..., a=...)
+    at /home/ubuntu/workspace/mojo-gpu-puzzles/problems/p09/p09.mojo:36
+36          a: TileTensor[mut=False, dtype, VectorLayout, ImmutAnyOrigin],
 ```
 
 #### Step 4: 메인 로직으로 이동
 
 ```bash
 (cuda-gdb) n
-29          output: TileTensor[mut=True, dtype, vector_layout],
+35          output: TileTensor[mut=True, dtype, VectorLayout, MutAnyOrigin],
 (cuda-gdb) n
-32          thread_id = thread_idx.x
+38          var thread_id = thread_idx.x
 (cuda-gdb) n
-38          for offset in range(ITER):
+44          for offset in range(ITER):
 ```
 
 #### Step 5: 변수 접근성 테스트 - 중요한 발견
@@ -209,15 +209,15 @@ $3 = {{0}, {1}, {2}, {3}}
 #### Step 6: 반복문 모니터링 설정
 
 ```bash
-(cuda-gdb) b 42
-Breakpoint 1 at 0x7fffd326ffd0: file problems/p09/p09.mojo, line 42.
+(cuda-gdb) b 45
+Breakpoint 1 at 0x7fffd326ffd0: file problems/p09/p09.mojo, line 45.
 (cuda-gdb) c
 Continuing.
 
 CUDA thread hit Breakpoint 1, p09_process_sliding_window_...
-   <<<(1,1,1),(4,1,1)>>> (output=..., input=...)
-    at /home/ubuntu/workspace/mojo-gpu-puzzles/problems/p09/p09.mojo:42
-42              idx = thread_id + offset - 1
+   <<<(1,1,1),(4,1,1)>>> (output=..., a=...)
+    at /home/ubuntu/workspace/mojo-gpu-puzzles/problems/p09/p09.mojo:45
+45              var idx = Int(thread_id) + offset - 1
 ```
 
 **🔍 이제 반복문 본문 안에 있습니다. 직접 반복 횟수를 세어봅시다.**
@@ -226,50 +226,50 @@ CUDA thread hit Breakpoint 1, p09_process_sliding_window_...
 
 ```bash
 (cuda-gdb) n
-43              if 0 <= idx < SIZE:
+46              if 0 <= idx < SIZE:
 (cuda-gdb) n
-41          for offset in range(ITER):
+44          for offset in range(ITER):
 ```
 
-**첫 번째 반복 완료**: 반복문이 42번 줄 → 43번 줄 → 41번 줄로 돌아왔습니다. 반복문이 계속됩니다.
+**첫 번째 반복 완료**: 반복문이 45번 줄 → 46번 줄 → 44번 줄로 돌아왔습니다. 반복문이 계속됩니다.
 
 #### Step 8: 두 번째 반복 (offset = 1)
 
 ```bash
 (cuda-gdb) n
 
 CUDA thread hit Breakpoint 1, p09_process_sliding_window_...
-42              idx = thread_id + offset - 1
+45              var idx = Int(thread_id) + offset - 1
 (cuda-gdb) n
-43              if 0 <= idx < SIZE:
+46              if 0 <= idx < SIZE:
 (cuda-gdb) n
-44                  value = rebind[Scalar[dtype]](input[idx])
+47                  var value = rebind[Scalar[dtype]](a[idx])
 (cuda-gdb) n
-45                  window_sum += value
+48                  window_sum += value
 (cuda-gdb) n
-43              if 0 <= idx < SIZE:
+46              if 0 <= idx < SIZE:
 (cuda-gdb) n
-41          for offset in range(ITER):
+44          for offset in range(ITER):
 ```
 
-**두 번째 반복 완료**: 이번에는 if 블록(44-45번 줄)을 통과했습니다.
+**두 번째 반복 완료**: 이번에는 if 블록(47-48번 줄)을 통과했습니다.
 
 #### Step 9: 세 번째 반복 테스트
 
 ```bash
 (cuda-gdb) n
-47          output[thread_id] = window_sum
+50          output[thread_id] = window_sum
 ```
 
-**결정적 발견**: 반복문이 2번만 돌고 종료되었습니다! 42번 줄의 브레이크포인트에 다시 걸리지 않고 47번 줄로 바로 넘어갔습니다.
+**결정적 발견**: 반복문이 2번만 돌고 종료되었습니다! 45번 줄의 브레이크포인트에 다시 걸리지 않고 50번 줄로 바로 넘어갔습니다.
 
 **결론**: 반복문이 정확히 **2번** 돌고 종료되었습니다.
 
 #### Step 10: 커널 실행 완료와 컨텍스트 손실
 
 ```bash
 (cuda-gdb) n
-31      fn process_sliding_window(
+34      def process_sliding_window(
 (cuda-gdb) n
 [Switching to Thread 0x7ffff7cc0e00 (LWP 110927)]
 0x00007ffff064f84a in ?? () from /lib/x86_64-linux-gnu/libcuda.so.1
@@ -293,10 +293,10 @@ No symbol "offset" in current context.
 
 각 스레드가 계산해야 할 것:
 
-- **스레드 0**: window_sum = input[-1] + input[0] + input[1] = (경계) + 0 + 1 = 1.0
-- **스레드 1**: window_sum = input[0] + input[1] + input[2] = 0 + 1 + 2 = 3.0
-- **스레드 2**: window_sum = input[1] + input[2] + input[3] = 1 + 2 + 3 = 6.0
-- **스레드 3**: window_sum = input[2] + input[3] + input[4] = 2 + 3 + (경계) = 5.0
+- **스레드 0**: window_sum = a[-1] + a[0] + a[1] = (경계) + 0 + 1 = 1.0
+- **스레드 1**: window_sum = a[0] + a[1] + a[2] = 0 + 1 + 2 = 3.0
+- **스레드 2**: window_sum = a[1] + a[2] + a[3] = 1 + 2 + 3 = 6.0
+- **스레드 3**: window_sum = a[2] + a[3] + a[4] = 2 + 3 + (경계) = 5.0
 
 #### Step 12: 스레드 0의 실제 실행 추적
 
@@ -312,13 +312,13 @@ No symbol "offset" in current context.
 
 - `idx = thread_id + offset - 1 = 0 + 1 - 1 = 0`
 - `if 0 <= idx < SIZE:` → `if 0 <= 0 < 4:` → **True**
-- `window_sum += input[0]` → `window_sum += 0`
+- `window_sum += a[0]` → `window_sum += 0`
 
 **누락된 반복 3 (offset = 2)**:
 
 - `idx = thread_id + offset - 1 = 0 + 2 - 1 = 1`
 - `if 0 <= idx < SIZE:` → `if 0 <= 1 < 4:` → **True**
-- `window_sum += input[1]` → `window_sum += 1` ← **이 연산이 실행되지 않음**
+- `window_sum += a[1]` → `window_sum += 1` ← **이 연산이 실행되지 않음**
 
 **결과**: 스레드 0은 `window_sum = 0 + 1 = 1` 대신 `window_sum = 0`을 얻습니다
 

diff --git a/book/i18n/ko/src/puzzle_09/third_case.md b/book/i18n/ko/src/puzzle_09/third_case.md
@@ -1,4 +1,4 @@
-<!-- i18n-source-commit: 477e5a0d3eed091b3dde0812977773f7dc97730a -->
+<!-- i18n-source-commit: 19dfa37b22cd58ed566fcd5cb2f52ec00e453202 -->
 
 # 🕵 탐정 수사: 세 번째 사례
 

diff --git a/book/i18n/ko/src/puzzle_10/memcheck.md b/book/i18n/ko/src/puzzle_10/memcheck.md
@@ -1,4 +1,4 @@
-<!-- i18n-source-commit: 88f1de7b3de457cc54820fd71512acbcadf073d9 -->
+<!-- i18n-source-commit: 4d41a2db5494fdd23a42cb71494e3463d7512c40 -->
 
 # 👮🏼‍♂️ 메모리 위반 탐지
 
@@ -180,6 +180,14 @@ MODULAR_DEVICE_CONTEXT_MEMORY_MANAGER_SIZE_PERCENT=0 pixi run compute-sanitizer
 
 ```txt
 ========= COMPUTE-SANITIZER
+[...]:WARNING close_multiple.cc:66] close: Bad file descriptor (9)
+[...]:WARNING close_multiple.cc:66] close: Bad file descriptor (9)
+Please submit a bug report to https://github.com/modular/modular/issues and include the crash backtrace along with all the relevant source codes.
+Stack dump:
+0.      Program arguments: .../.pixi/envs/default/bin/mojo problems/p10/p10.mojo --memory-bug
+ #0 0x... (/.../.pixi/envs/default/bin/mojo+0x...)
+ ...
+[...] intermediate process terminated by signal 11 (Segmentation fault) (core dumped)
 out shape: 2 x 2
 Running memory bug example (bounds checking issue)...
 out: HostBuffer([10.0, 11.0, 12.0, 13.0])
@@ -190,6 +198,8 @@ expected: HostBuffer([10.0, 11.0, 12.0, 13.0])
 
 **✅ 성공:** 메모리 위반이 탐지되지 않았습니다!
 
+> **세그폴트 관련 참고**: 위 출력의 크래시 라인("intermediate process terminated by signal 11")은 Mojo의 프로세스 초기화와 compute-sanitizer의 주입 라이브러리 사이에 알려진 호환성 문제입니다. 이 메시지는 GPU 커널이 실행되기 *전*에 나타나며 새니타이저의 분석에는 영향을 주지 않습니다. 자세한 내용은 이 페이지 하단의 참고를 확인하세요.
+
 ## 핵심 학습 포인트
 
 ### 수동 경계 검사가 중요한 이유
@@ -212,4 +222,4 @@ expected: HostBuffer([10.0, 11.0, 12.0, 13.0])
 MODULAR_DEVICE_CONTEXT_MEMORY_MANAGER_SIZE_PERCENT=0 pixi run compute-sanitizer --tool memcheck mojo your_code.mojo
 ```
 
-**참고**: 새니타이저 출력에서 Mojo 런타임 경고를 볼 수 있습니다. 실제 메모리 위반을 확인하려면 `========= Invalid`와 `========= ERROR SUMMARY` 라인에 집중하세요.
+**Mojo + compute-sanitizer 호환성 참고**: 새니타이저 출력 시작 부분에서 크래시를 볼 수 있습니다 — `close: Bad file descriptor` 같은 라인, 스택 덤프, `intermediate process terminated by signal 11 (Segmentation fault)` 등이 나타날 수 있습니다. 이는 compute-sanitizer의 주입 라이브러리가 Mojo의 프로세스 초기화와 충돌하는 알려진 문제입니다. 크래시가 발생해도 새니타이저는 GPU 커널 분석을 정상적으로 완료합니다. 언제나 맨 끝의 `========= ERROR SUMMARY` 라인을 최종 판단 기준으로 삼고, 구체적인 메모리 위반은 `========= Invalid` 라인에서 확인하세요.
diff --git a/book/i18n/ko/src/puzzle_10/puzzle_10.md b/book/i18n/ko/src/puzzle_10/puzzle_10.md
@@ -1,4 +1,4 @@
-<!-- i18n-source-commit: 880bd66d68512416dd5cb724c08fa64530113525 -->
+<!-- i18n-source-commit: 19dfa37b22cd58ed566fcd5cb2f52ec00e453202 -->
 
 # Puzzle 10: 새니타이저로 메모리 오류와 경쟁 상태 찾기
 
@@ -125,7 +125,7 @@ GPU 검사를 하려면 **병렬 프로그램 탐정**이 되어야 합니다.
 - Puzzle 1-8에서 다룬 GPU 프로그래밍 개념 (메모리 관리, 스레드 조율, 배리어)
 - **[호환 NVIDIA GPU 하드웨어](https://docs.modular.com/max/faq#gpu-requirements)**
 - `compute-sanitizer` 접근을 위한 `pixi` 패키지 매니저 환경 설정
-- **선행 퍼즐**: [Puzzle 4](../puzzle_04/introduction_tile_tensor.md)와 [Puzzle 8](../puzzle_08/tile_tensor.md) 숙지 권장
+- **선행 퍼즐**: [Puzzle 4](../puzzle_04/introduction_tile_tensor.md)와 [Puzzle 8](../puzzle_08/puzzle_08.md) 숙지 권장
 
 **목표**: