인공지능(AI)는 빠진 전제가 있는 논증도 같은 유형으로 분류할 수 있을까?
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?
연구와 학습, 시험과 도서를 한곳에서 찾습니다.
검색 결과마다 자료의 코너와 성격을 표시합니다. 제목을 먼저 살펴보고 그림 카드와 기존 본문으로 이어 가세요.

관심 주제로 찾아보기
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?
Anscombe의 네 자료는 같은 요약 통계와 회귀선 뒤에 선형·곡선·이상치 구조가 숨을 수 있어 그래프 확인이 필요한 이유를 보여 줍니다.
Graphs in Statistical Analysis
Correll과 Gleicher는 막대그래프 위 오차막대가 같은 거리도 평균 안쪽과 바깥쪽에서 다르게 판단하게 하는 ‘within-the-bar bias’를 실험했다.
Error Bars Considered Harmful: Exploring Alternate Encodings for Mean and Error
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
선택적 주의 연구는 시야에 들어온 정보와 의식적으로 알아차린 정보를 구별합니다. 실수를 개인의 성실성으로 판단하기 전에 과제의 주의 요구를 살핍니다.
Failures of Awareness: The Case of Inattentional Blindness
56–60 / 133편