인공지능(AI)에게 여러 번 물어 가장 많은 답을 고르면 더 정확할까?
자기일관성 방법은 다양한 풀이 경로에서 최종 답을 모읍니다. 정답률 개선과 답의 논리적 보증을 구별하고, 반복 답변의 독립성도 따져 봅니다.
Self-Consistency Improves Chain of Thought Reasoning in Language Models
연구와 학습, 시험과 도서를 한곳에서 찾습니다.
검색 결과마다 자료의 코너와 성격을 표시합니다. 제목을 먼저 살펴보고 그림 카드와 기존 본문으로 이어 가세요.

관심 주제로 찾아보기
자기일관성 방법은 다양한 풀이 경로에서 최종 답을 모읍니다. 정답률 개선과 답의 논리적 보증을 구별하고, 반복 답변의 독립성도 따져 봅니다.
Self-Consistency Improves Chain of Thought Reasoning in Language Models
생각의 나무는 중간 풀이를 여러 갈래로 만들고 평가하여 탐색합니다. 유망하다는 판단과 실제 정답 검사는 따로 보아야 합니다.
Tree of Thoughts: Deliberate Problem Solving with Large Language Models
외부 정답 정보가 있는 교정과 AI의 내적 자기교정은 다른 조건입니다. 답이 바뀐 횟수보다 어떤 방향으로 바뀌었는지를 확인해 봅니다.
Large Language Models Cannot Self-Correct Reasoning Yet
“적은 것이 더 좋아 보이는” 현상의 재현 연구는 비교 상황과 평가 기준이 선호에 어떻게 관여하는지 보여 줍니다.
“Less Is Better” in Separate Evaluations Versus “More Is Better” in Joint Evaluations: Mostly Successful Close Replication and Extension of Hsee (1998)
RobustLR는 최소 논리 편집과 동치 변환으로 연역 모델의 일관성을 검사했고, 학습된 모델들이 특히 부정에서 흔들림을 보였습니다.
RobustLR: A Diagnostic Benchmark for Evaluating Logical Robustness of Deductive Reasoners
101–105 / 180편