인공지능(AI)가 한 단계씩 맞게 추론해도 전체 증명은 실패할 수 있을까?
PrOntoQA 분석은 개별 추론 정확성과 여러 갈래에서 목표 경로를 찾는 증명 계획을 분리합니다.
Language Models Are Greedy Reasoners: A Systematic Formal Analysis of Chain-of-Thought
연구와 학습, 시험과 도서를 한곳에서 찾습니다.
검색 결과마다 자료의 코너와 성격을 표시합니다. 제목을 먼저 살펴보고 그림 카드와 기존 본문으로 이어 가세요.

관심 주제로 찾아보기
PrOntoQA 분석은 개별 추론 정확성과 여러 갈래에서 목표 경로를 찾는 증명 계획을 분리합니다.
Language Models Are Greedy Reasoners: A Systematic Formal Analysis of Chain-of-Thought
임상가 230명이 다섯 형식의 점수 불확실성을 비교한 연구에서 분위수 점도표는 확률 판단 정확도를 높였지만 의사결정 품질 차이는 확인되지 않았습니다.
Visualizing Uncertainty to Promote Clinicians’ Understanding of Measurement Error
2025년 실험에서 짧은 비판 질문 지시는 약한 논증뿐 아니라 강한 논증 평가도 낮췄습니다. 반복 지시는 두 품질의 구별을 조금 키웠지만 효과는 작았습니다.
Can People be Made More Rational? Testing Whether People’s Ability to Assess Arguments can be Enhanced
온라인 실험 2건 2,549명에게 같은 코로나19 자료를 34개 시각 형식으로 보여 주자 누적축과 예측모형 수가 위험 인식을 다르게 움직였습니다.
Impact of COVID-19 Forecast Visualizations on Pandemic Risk Perceptions
기만적 시각화 실험은 왜곡 기법과 질문 유형에 따라 오판 크기가 달라짐을 보여, ‘나쁜 그래프’ 한 범주보다 오류 메커니즘별 평가가 필요함을 제안합니다.
How Deceptive Are Deceptive Visualizations? An Empirical Analysis of Common Distortion Techniques
271–275 / 522편