긴 문맥을 읽는 인공지능(AI)는 가운데 근거도 똑같이 찾을까?
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
연구와 학습, 시험과 도서를 한곳에서 찾습니다.
검색 결과마다 자료의 코너와 성격을 표시합니다. 제목을 먼저 살펴보고 그림 카드와 기존 본문으로 이어 가세요.

관심 주제로 찾아보기
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
Program of Thoughts는 언어모델이 계산까지 문장으로 이어 쓰는 대신, 추론을 실행 가능한 프로그램으로 표현하고 계산은 외부 실행기에 맡깁니다.
Program of Thoughts Prompting: Disentangling Computation from Reasoning for Numerical Reasoning Tasks
ReAct는 추론과 외부 행동을 엮는 방식을 제안했습니다. 계획 문장, 실행 요청, 실제 관찰을 나누면 긴 작업에서 어디까지 확인되었는지 읽을 수 있습니다.
ReAct: Synergizing Reasoning and Acting in Language Models
Toolformer는 도구 호출 후보를 만들고 실제 결과가 다음 단어 예측에 도움이 되는지 걸러 학습합니다. 도구의 계산 정확도와 호출 선택의 적절성을 구분합니다.
Toolformer: Language Models Can Teach Themselves to Use Tools
MATP-BENCH는 그림과 텍스트가 함께 있는 1,056개 정리를 Lean 4·Coq·Isabelle 형식화와 묶어 멀티모달 모델의 증명 능력을 평가한다.
MATP-BENCH: Can MLLM Be a Good Automated Theorem Prover for Multimodal Problems?
1–5 / 7편