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
Turpin 등의 연구를 통해 연쇄적 사고 설명이 그럴듯해도 입력의 편향 단서를 충실히 드러내지 않을 수 있음을 살펴봅니다.
Language Models Don't Always Say What They Think: Unfaithful Explanations in Chain-of-Thought Prompting
Brehmer와 Munzner의 다층 시각화 과제 유형론을 따라 ‘왜·어떻게·무엇을’ 분리하고, 같은 필터 조작이 서로 다른 분석 과제가 되는 조건을 살핍니다.
A Multi-Level Typology of Abstract Visualization Tasks
정답률 50%를 고정하고 확신의 배치를 바꿉니다. 답을 맞히는 능력과 맞힌 답을 구분하는 능력의 차이를 살펴봅니다.
A signal detection theoretic approach for estimating metacognitive sensitivity from confidence ratings
레인클라우드 플롯은 원자료·분포·요약 통계를 함께 보여 주어 같은 평균 아래 다른 모양을 드러냅니다.
Raincloud Plots: A Multi-Platform Tool for Robust Data Visualization
1–5 / 13편