수학 자료를 더 읽은 언어모델은 증명도 믿을 수 있을까?
Llemma는 수학·과학·형식 코드로 계속 사전학습해 여러 과제에서 강한 성능을 보였지만 정답성과 기계검증은 구분됩니다.
Llemma: An Open Language Model for Mathematics
연구와 학습, 시험과 도서를 한곳에서 찾습니다.
검색 결과마다 자료의 코너와 성격을 표시합니다. 제목을 먼저 살펴보고 그림 카드와 기존 본문으로 이어 가세요.

관심 주제로 찾아보기
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
NaturalProver는 배경 정리와 정의를 조건으로 자연어 증명 단계를 생성해 사람 평가를 개선했지만, 형식 검사기가 없는 자연어 증명은 여전히 인간 검토가 필요했습니다.
NaturalProver: Grounded Mathematical Proof Generation With Language Models
Kimina-Prover Preview v1의 강화학습과 miniF2F pass@8192 결과를 살펴보며 대규모 후보 탐색 성과와 단일 시도 능력, 형식 검증 비용을 구분한다.
Kimina-Prover Preview: Towards Large Formal Reasoning Models with Reinforcement Learning
10년간의 Peer Instruction 자료는 개념 질문·개별 응답·동료 토론·재응답의 결합과 성취 향상을 보고하지만 무작위 실험은 아닙니다.
Peer Instruction: Ten Years of Experience and Results
61–65 / 126편