인공지능(AI)는 언제 계산기를 부를지 어떻게 배울까?
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
연구와 학습, 시험과 도서를 한곳에서 찾습니다.
검색 결과마다 자료의 코너와 성격을 표시합니다. 제목을 먼저 살펴보고 그림 카드와 기존 본문으로 이어 가세요.

관심 주제로 찾아보기
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
Llemma는 수학·과학·형식 코드로 계속 사전학습해 여러 과제에서 강한 성능을 보였지만 정답성과 기계검증은 구분됩니다.
Llemma: An Open Language Model for Mathematics
48개 메타인지 전략 개입의 후속검사를 종합한 연구는 평균 효과가 유지됐지만 연구·처치의 다양성과 비교 설계를 함께 보아야 함을 보여 줍니다.
Long-term Effects of Metacognitive Strategy Instruction on Student Academic Performance: A Meta-analysis
32개 중재연구 3,492명을 종합한 메타분석에서 모니터링 도구는 성취에 중간 효과, 자기조절·동기에는 작은 효과를 보였고 설계 특성에 따라 달랐습니다.
Let Learners Monitor the Learning Content and Their Learning Behavior! A Meta-analysis on the Effectiveness of Tools to Foster Monitoring
자기일관성 방법은 다양한 풀이 경로에서 최종 답을 모읍니다. 정답률 개선과 답의 논리적 보증을 구별하고, 반복 답변의 독립성도 따져 봅니다.
Self-Consistency Improves Chain of Thought Reasoning in Language Models
46–50 / 76편