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
Körner 등의 세 사전등록 연구를 통해 설명 전후 지식 확신과 권력감의 관계를 살핍니다.
It doesn’t matter if you are in charge of the trees, you always miss the trees for the forest: Power and the illusion of explanatory depth
언어모델의 P(True)와 P(IK) 연구를 통해 자신감, 판별력, 보정, 새 과제 일반화를 구분합니다. 답변 임계값을 움직여 선택적 응답의 대가를 살펴보세요.
Language Models (Mostly) Know What They Know
기억에 대한 확신을 조정하는 일과 외부 도구를 선택하는 일은 구분됩니다. 메타인지 훈련 연구를 기대 보상과 전략 선택의 관점에서 읽습니다.
The effect of metacognitive training on confidence and strategic reminder setting
네 연구에서 낮은 수행과 큰 자기평가 오차가 함께 나타났습니다. 집단 패턴을 개인 낙인으로 바꾸지 않는 해석이 중요합니다.
Unskilled and Unaware of It: How Difficulties in Recognizing One's Own Incompetence Lead to Inflated Self-Assessments
1–5 / 10편