인공지능(AI)가 확신이 낮은 답을 보류하면 정확도는 어떻게 달라질까?
AI가 낮은 확신의 답을 보류할 때 답한 범위와 정답률이 함께 어떻게 바뀌는지 살펴보고, 선택된 일부의 성능을 전체 신뢰성과 혼동하지 않는 법을 익힙니다.
Language Models (Mostly) Know What They Know
연구와 학습, 시험과 도서를 한곳에서 찾습니다.
검색 결과마다 자료의 코너와 성격을 표시합니다. 제목을 먼저 살펴보고 그림 카드와 기존 본문으로 이어 가세요.

관심 주제로 찾아보기
AI가 낮은 확신의 답을 보류할 때 답한 범위와 정답률이 함께 어떻게 바뀌는지 살펴보고, 선택된 일부의 성능을 전체 신뢰성과 혼동하지 않는 법을 익힙니다.
Language Models (Mostly) Know What They Know
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?
Wei 등의 연쇄 사고 촉진 연구를 모델 규모별로 읽고, 풀이 형식과 실제 추론 능력을 구분합니다.
Chain-of-Thought Prompting Elicits Reasoning in Large Language Models
SelfCheckGPT가 검은상자 생성 모델의 여러 표본 사이 불일치를 이용해 환각을 탐지한 방법을 읽고, 일관성과 사실성을 구분합니다.
SelfCheckGPT: Zero-Resource Black-Box Hallucination Detection for Generative Large Language Models
1–5 / 58편