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
Westreich와 Greenland의 ‘표 2 오류’를 통해 하나의 조정모형이 주 노출의 효과에는 맞아도 다른 공변량의 인과효과에는 맞지 않을 수 있음을 살펴봅니다.
The Table 2 Fallacy: Presenting and Interpreting Confounder and Modifier Coefficients
Tversky와 Kahneman의 결합 오류 연구를 통해 대표성이 확률의 포함 관계를 가릴 때 어떤 판단 오류가 생기는지 살펴봅니다.
Extensional Versus Intuitive Reasoning: The Conjunction Fallacy in Probability Judgment
Priest의 역설 논리를 통해 모순 허용과 폭발 원리의 거부가 어떻게 구분되는지 탐구합니다.
The Logic of Paradox
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
1–5 / 22편