인공지능(AI) 심사위원에게 답의 순서를 바꿔 보여 주면?
내용은 그대로인데 먼저 놓인 답을 고른다면 판정은 얼마나 믿을 수 있을까요? 두 순서의 결과를 비교하는 가상 실험을 해 봅니다.
Judging LLM-as-a-Judge with MT-Bench and Chatbot Arena
그림으로 이해하고, 원문으로 깊이 읽습니다.
관심 주제와 난이도로 필요한 글을 찾아보세요. 개념을 익히는 학습과 원문에 근거한 연구 해설을 구분했습니다.

해외 학술 연구의 7개 분야
내용은 그대로인데 먼저 놓인 답을 고른다면 판정은 얼마나 믿을 수 있을까요? 두 순서의 결과를 비교하는 가상 실험을 해 봅니다.
Judging LLM-as-a-Judge with MT-Bench and Chatbot Arena
MATH 데이터셋은 7개 분야·5단계 난이도의 경시 문제와 단계별 풀이를 함께 제공하며 평가 범위와 풀이 검사의 중요성을 보여 줍니다.
Measuring Mathematical Problem Solving With the MATH Dataset
SATNet은 미분 가능한 근사 MAXSAT 풀이 층을 신경망에 넣어 패리티·스도쿠·시각 스도쿠의 논리 구조를 제한된 감독으로 학습했습니다.
SATNet: Bridging Deep Learning and Logical Reasoning Using a Differentiable Satisfiability Solver
프로그램 보조 언어모델은 문제 해석과 계산 실행의 역할을 나눕니다. 실행이 성공해도 문제를 제대로 옮겼는지 확인해야 하는 이유를 알아봅니다.
PAL: Program-aided Language Models
PutnamBench는 640개 대학 수학문제를 Lean 4·Isabelle과 일부 Coq로 1,692회 형식화해 언어별 자동증명기의 강점과 난도를 비교했습니다.
PutnamBench: Evaluating Neural Theorem-Provers on the Putnam Mathematical Competition
16–20 / 69묶음