통합검색

코드가 예시 입력을 통과하면 프로그램이 옳다는 증명도 된 걸까?

입출력 테스트와 형식 명세 증명은 어떤 다른 보장을 주는가?

Proving the Coding Interview: A Benchmark for Formally Verified Code Generation

증명을 한 번에 쓰고 오류 메시지로 고치면 될까?

Baldur는 전체 Isabelle/HOL 증명을 생성한 뒤 오류 메시지로 수리합니다.

Baldur: Whole-Proof Generation and Repair with Large Language Models

AI가 모를 때 멈추면 더 믿을 수 있을까?

신뢰도 문턱을 높일수록 응답 범위와 응답한 사례의 오류가 어떻게 함께 달라지는지 계산하고, 보류를 포함한 운영 기준을 세웁니다.

전체 80점이면 모든 집단에도 잘한 걸까?

평균은 모두 80점이지만 최저 집단은 50점과 78점인 두 모델을 비교해, 전체 점수 뒤의 운영상 약한 구간을 찾습니다.

정책 뒤 수치가 떨어지면 정책 효과라고 말해도 될까?

반환 누락이 정책 직전 46개에서 42개로 줄었다는 전후 차이 −4와, 기존 +2 추세를 연장한 48개 대비 직후 간격 −6을 구분합니다.