긴 문맥을 읽는 인공지능(AI)는 가운데 근거도 똑같이 찾을까?
긴 문맥 모델도 근거 위치에 따라 성능이 달라졌습니다. 문서 수와 위치를 바꾸는 교육 모형으로 강건성을 점검합니다.
Lost in the Middle: How Language Models Use Long Contexts
연구와 학습, 시험과 도서를 한곳에서 찾습니다.
검색 결과마다 자료의 코너와 성격을 표시합니다. 제목을 먼저 살펴보고 그림 카드와 기존 본문으로 이어 가세요.

관심 주제로 찾아보기
긴 문맥 모델도 근거 위치에 따라 성능이 달라졌습니다. 문서 수와 위치를 바꾸는 교육 모형으로 강건성을 점검합니다.
Lost in the Middle: How Language Models Use Long Contexts
Bender 등 연구자들의 ‘확률적 앵무새’ 논문을 통해 대규모 언어모형의 자료 문서화, 환경비용, 편향, 이해관계자 위험을 점검합니다.
On the Dangers of Stochastic Parrots: Can Language Models Be Too Big?
Lee와 Lemieux의 회귀불연속 설계 안내를 바탕으로 컷오프 주변의 연속성 가정, 조작 가능성, 국소 효과와 대역폭 선택을 구분한다.
Regression Discontinuity Designs in Economics
대규모 언어모델의 자동 형식화는 일부 문제를 완전한 Isabelle 명세로 바꾸고 증명 학습을 개선했지만 번역 검증이 병목입니다.
Autoformalization with Large Language Models
Jiang 등은 488개 miniF2F 문제에서 비형식 풀이→형식 스케치→자동 증명의 세 단계를 결합해 Isabelle 검증 성공률을 높였습니다.
Draft, Sketch, and Prove: Guiding Formal Theorem Provers with Informal Proofs
1–5 / 9편