통합검색

댓글에서 주장과 근거를 자동으로 찾을 수 있을까?

웹 논증 채굴은 340개 문서·9만 토큰의 공개 말뭉치로 가능성과 난점을 함께 보였습니다. 문맥과 암묵적 연결이 왜 어려운지 읽습니다.

Argumentation Mining in User-Generated Web Discourse

같은 정보를 담아도 왜 어떤 그림이 더 빨리 풀릴까?

정보가 같다는 것과 찾아 쓰는 비용이 같다는 것은 다릅니다. 표와 문장의 탐색 경로를 비교합니다.

Why a Diagram is (Sometimes) Worth Ten Thousand Words

규칙을 확인하려면 맞는 사례보다 어기는 사례를 찾아야 할까?

Wason의 선택 과제는 조건문을 검사할 때 확인과 반증이 어떻게 갈리는지 보여 줍니다.

Reasoning about a Rule

그럴듯한 AI 해설은 실제 판단 이유와 같을까

마일스 터핀 등의 연구는 언어모델이 출력한 단계별 설명이 답에 영향을 준 요인을 충실하게 드러내는지 묻습니다. 저자들은 입력의 편향 요소가 답에 영향을 주었는데도 설명에서는 그 영향이 언급되지 않는 사례를 보고합니다. 설명의 설득력과 판단 이유에 대한 충실성을 구분해 읽을 수 있는 논문입니다.

언어모델은 생각한 대로 항상 말하지 않는다 — Language Models Don’t Always Say What They Think: Unfaithful Explanations in Chain-of-Thought Prompting

정답보다 먼저 구조를 확인하는 세 가지 방법

2026년 9월 9일 공개된 세 연구를 통해 그림을 기호 관계로 바꾸고, 주장과 그 대상의 층을 함께 표시하며, 반복되는 답을 완성된 추론으로 오해하지 않는 방법을 살펴봅니다. 연구 결과와 LTCT의 적용 제안을 분리하고, 수업에서 다시 만들 수 있는 독자 사례를 제공합니다.