인공지능(AI)가 한 단계씩 맞게 추론해도 전체 증명은 실패할 수 있을까?
PrOntoQA 분석은 개별 추론 정확성과 여러 갈래에서 목표 경로를 찾는 증명 계획을 분리합니다.
Language Models Are Greedy Reasoners: A Systematic Formal Analysis of Chain-of-Thought
연구와 학습, 시험과 도서를 한곳에서 찾습니다.
검색 결과마다 자료의 코너와 성격을 표시합니다. 제목을 먼저 살펴보고 그림 카드와 기존 본문으로 이어 가세요.

관심 주제로 찾아보기
PrOntoQA 분석은 개별 추론 정확성과 여러 갈래에서 목표 경로를 찾는 증명 계획을 분리합니다.
Language Models Are Greedy Reasoners: A Systematic Formal Analysis of Chain-of-Thought
ACL 2025 연구는 일곱 언어모델의 논증 유형 분류를 비교하며, 생략된 전제가 있는 엔티밈과 작은 모델에서 어려움이 커짐을 보였습니다.
Can Large Language Models Understand Argument Schemes?
Jiang 등은 488개 miniF2F 문제에서 비형식 풀이→형식 스케치→자동 증명의 세 단계를 결합해 Isabelle 검증 성공률을 높였습니다.
Draft, Sketch, and Prove: Guiding Formal Theorem Provers with Informal Proofs
2026년 연구는 학습 목표와 무관한 흥미 자료의 양을 바꾸고 끼어드는 위치를 관리했습니다. 기억과 전이 결과를 구분해 자료를 편집하는 기준을 살펴봅니다.
The more, the worse? The influence of the seductive detail amount on learning
Goedel-Prover는 Lean 4 명제와 새 증명을 반복해 학습자료로 늘렸습니다.
Goedel-Prover: A Frontier Model for Open-Source Automated Theorem Proving
51–55 / 136편