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
Dung의 추상 논증틀에서 공격·방어·허용가능성·근거 확장을 구분하고, 주장 내용 대신 공격 관계만으로 수용 집합을 계산합니다.
On the Acceptability of Arguments and Its Fundamental Role in Nonmonotonic Reasoning, Logic Programming and N-Person Games
Toolformer는 소수의 사용 예시에서 API 호출 후보를 만들고, 다음 단어 예측 손실을 실제로 줄인 호출만 남겨 언어모델을 미세조정했습니다.
Toolformer: Language Models Can Teach Themselves to Use Tools
Parallel Sets는 개별 점 대신 범주 빈도를 띠로 연결합니다. 축 순서와 필터를 바꿀 때 어떤 관계가 드러나고 사라지는지 확인합니다.
Parallel Sets: Interactive Exploration and Visual Analysis of Categorical Data
원이 겹치는 그림이 복잡해질 때 집합 조합을 행렬과 막대로 바꾸는 UpSet의 원리를 살펴봅니다. 포함할 집합을 눌러 정확한 교집합을 계산하세요.
UpSet: Visualization of Intersecting Sets
1–5 / 19편