통합검색

인공지능(AI)가 생각과 행동을 번갈아 하면 무엇이 달라질까?

언어모델이 추론 흔적과 외부 행동·관찰을 번갈아 생성하는 ReAct 연구를 살펴봅니다. 전략과 환경 변화를 바꾸어 검증 가능한 경로를 비교하세요.

ReAct: Synergizing Reasoning and Acting in Language Models

신경망 안에 만족가능성 풀이 층을 넣으면 규칙을 배울 수 있을까?

SATNet은 미분 가능한 근사 MAXSAT 풀이 층을 신경망에 넣어 패리티·스도쿠·시각 스도쿠의 논리 구조를 제한된 감독으로 학습했습니다.

SATNet: Bridging Deep Learning and Logical Reasoning Using a Differentiable Satisfiability Solver

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

AI가 ‘완료했습니다’라고 쓰면 실제 작업도 끝난 걸까?

등대 경보판 7개를 바꾸는 가상 작업에서 답변, 도구 결과, 작업 뒤 상태를 분리해 완료의 근거를 판정합니다.

검사를 스무 번 하면 우연한 발견도 늘어날까?

검사마다 5%인 오경보 가능성이 여러 검사를 거치며 어떻게 쌓이는지 보고, Bonferroni 조정이 무엇을 보장하고 무엇을 포기하는지 살핍니다.