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
50개 연구의 63개 조건과 5,036명을 종합한 메타분석은 선택 과부하의 평균 효과가 사실상 0에 가까웠지만 연구 간 차이가 컸다고 보고했습니다.
Can There Ever Be Too Many Options? A Meta-Analytic Review of Choice Overload
과신 연구는 실제 성과의 과대평가, 타인 대비 과대배치, 믿음 범위의 과도한 정밀성을 구분하며 과제 난도에 따라 앞의 두 편향은 반대로 움직일 수 있음을 보였습니다.
The Trouble with Overconfidence
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
76–80 / 133편