한곳에서 찾는 논리 자료

통합검색

연구와 학습, 시험과 도서를 한곳에서 찾습니다.

검색 결과마다 자료의 코너와 성격을 표시합니다. 제목을 먼저 살펴보고 그림 카드와 기존 본문으로 이어 가세요.

세 연구자가 논문과 도표를 함께 검토하고 작은 갈색 안경 올빼미가 곁에서 책을 읽는 모습

관심 주제로 찾아보기

조건 초기화

검색 결과6건

검색 결과 제목

  1. 1자연어 수학을 논리식으로 옮기면 의미도 자동으로 보존될까?
  2. 28,192번 중 한 번 성공한 80.7%를 ‘한 번의 실력’으로 읽어도 될까?
  3. 3조건을 못 맞추는 퍼즐은 인공지능(AI)에게 왜 더 어려울까?
  4. 4언어모델과 정리증명기는 어디에서 역할을 나눌까?
  5. 5인공지능(AI)가 논리를 기호로 옮기고 계산기에 맡기면 더 정확할까?
자연어 문제에서 형식 명세와 증명기로 이어지는 화살표 사이에 의미 보존 검증 문이 별도로 놓여 있다.

자연어 수학을 논리식으로 옮기면 의미도 자동으로 보존될까?

자연어 문제에서 형식 명세와 증명기로 이어지는 화살표 사이에 의미 보존 검증 문이 별도로 놓여 있다.
인공지능과 논리해외 학술 연구 · 연구 해설 · 심화

자연어 수학을 논리식으로 옮기면 의미도 자동으로 보존될까?

대규모 언어모델의 자동 형식화는 일부 문제를 완전한 Isabelle 명세로 바꾸고 증명 학습을 개선했지만 번역 검증이 병목입니다.

Autoformalization with Large Language Models

게시 2026-09-13 · 약 9분해외 논리학 연구 해설 읽기 →
한 문제에서 첫 후보 하나와 8192개 후보 묶음이 각각 검증기로 들어가 pass at 1과 pass at 8192로 나뉘는 도식

8,192번 중 한 번 성공한 80.7%를 ‘한 번의 실력’으로 읽어도 될까?

한 문제에서 첫 후보 하나와 8192개 후보 묶음이 각각 검증기로 들어가 pass at 1과 pass at 8192로 나뉘는 도식
인공지능과 논리해외 학술 연구 · 연구 해설 · 일반

8,192번 중 한 번 성공한 80.7%를 ‘한 번의 실력’으로 읽어도 될까?

Kimina-Prover Preview v1의 강화학습과 miniF2F pass@8192 결과를 살펴보며 대규모 후보 탐색 성과와 단일 시도 능력, 형식 검증 비용을 구분한다.

Kimina-Prover Preview: Towards Large Formal Reasoning Models with Reinforcement Learning

게시 2026-09-13 · 약 10분해외 논리학 연구 해설 읽기 →
후보 생성, 조건 검사, 불가능성 증명를 차례로 연결하고 조건·범위·반례를 확인하는 교육용 도식.

조건을 못 맞추는 퍼즐은 인공지능(AI)에게 왜 더 어려울까?

후보 생성, 조건 검사, 불가능성 증명를 차례로 연결하고 조건·범위·반례를 확인하는 교육용 도식.
인공지능과 논리해외 학술 연구 · 연구 해설 · 일반

조건을 못 맞추는 퍼즐은 인공지능(AI)에게 왜 더 어려울까?

SATBench의 2,100개 문제는 해 찾기와 불가능성 판정 사이의 비대칭을 드러냅니다.

SATBench: Benchmarking LLMs’ Logical Reasoning via Automated Puzzle Generation from SAT Formulas

게시 2026-09-12 · 약 9분해외 논리학 연구 해설 읽기 →
의미 파싱, 정리 증명, 번역 검수를 연결해 조건과 범위를 확인하는 교육용 도식.

언어모델과 정리증명기는 어디에서 역할을 나눌까?

의미 파싱, 정리 증명, 번역 검수를 연결해 조건과 범위를 확인하는 교육용 도식.
인공지능과 논리해외 학술 연구 · 연구 해설 · 일반

언어모델과 정리증명기는 어디에서 역할을 나눌까?

LINC는 언어모델을 의미 파서로, 1차 논리 증명기를 판정기로 사용해 언어 이해와 형식 추론의 책임을 분리했습니다.

LINC: A Neurosymbolic Approach for Logical Reasoning by Combining Language Models with First-Order Logic Provers

게시 2026-09-12 · 약 9분해외 논리학 연구 해설 읽기 →
자연어 번역, 솔버 실행, 오류 피드백를 연결해 조건과 범위를 확인하는 교육용 도식.

인공지능(AI)가 논리를 기호로 옮기고 계산기에 맡기면 더 정확할까?

자연어 번역, 솔버 실행, 오류 피드백를 연결해 조건과 범위를 확인하는 교육용 도식.
인공지능과 논리해외 학술 연구 · 연구 해설 · 일반

인공지능(AI)가 논리를 기호로 옮기고 계산기에 맡기면 더 정확할까?

Logic-LM은 언어모델의 형식화와 기호 솔버의 판정을 결합하고 오류 메시지로 번역을 고치는 절차를 평가했습니다.

Logic-LM: Empowering Large Language Models with Symbolic Solvers for Faithful Logical Reasoning

게시 2026-09-12 · 약 9분해외 논리학 연구 해설 읽기 →

1–5 / 6편