긴 글을 넣을 수 있는 인공지능(AI)는 중간에 있는 근거도 잘 찾을까?
긴 문맥 처리 연구는 입력 길이와 실제 정보 활용을 구별합니다. 같은 근거의 위치를 바꾸는 평가가 왜 필요한지 살펴봅니다.
Lost in the Middle: How Language Models Use Long Contexts
연구와 학습, 시험과 도서를 한곳에서 찾습니다.
검색 결과마다 자료의 코너와 성격을 표시합니다. 제목을 먼저 살펴보고 그림 카드와 기존 본문으로 이어 가세요.

관심 주제로 찾아보기
긴 문맥 처리 연구는 입력 길이와 실제 정보 활용을 구별합니다. 같은 근거의 위치를 바꾸는 평가가 왜 필요한지 살펴봅니다.
Lost in the Middle: How Language Models Use Long Contexts
체코 대학생 110명을 무작위 배정한 2×2 실험에서 메타인지 프롬프트의 지식검사 효과가 유의하지 않았고 자료 형식과 개인차가 중요했음을 살펴봅니다.
Exploring the effects of metacognitive prompts on learning outcomes: An experimental study in higher education
인식적 동료의 반대는 원자료에 관한 증거와 판단 과정에 관한 증거를 구별하게 합니다. 기계적인 중간값보다 먼저 확인할 조건을 알아봅니다.
Disagreement
P-FOLIO는 0~20단계의 사람이 쓴 증명 연쇄를 제공해 최종 분류와 단계 규칙 평가를 분리합니다.
P-FOLIO: Evaluating and Improving Logical Reasoning with Abundant Human-Written Reasoning Chains
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
11–15 / 33편