인공지능(AI)의 자세한 풀이가 실제 판단 이유를 숨길 수도 있을까?
Turpin 등의 연구를 통해 연쇄적 사고 설명이 그럴듯해도 입력의 편향 단서를 충실히 드러내지 않을 수 있음을 살펴봅니다.
Language Models Don't Always Say What They Think: Unfaithful Explanations in Chain-of-Thought Prompting
연구와 학습, 시험과 도서를 한곳에서 찾습니다.
검색 결과마다 자료의 코너와 성격을 표시합니다. 제목을 먼저 살펴보고 그림 카드와 기존 본문으로 이어 가세요.

관심 주제로 찾아보기
Turpin 등의 연구를 통해 연쇄적 사고 설명이 그럴듯해도 입력의 편향 단서를 충실히 드러내지 않을 수 있음을 살펴봅니다.
Language Models Don't Always Say What They Think: Unfaithful Explanations in Chain-of-Thought Prompting
Mercier와 Sperber의 논증적 추론 이론을 통해 이유 만들기와 이유 평가가 사회적 상호작용에서 어떻게 달라지는지 살펴봅니다.
Why Do Humans Reason? Arguments for an Argumentative Theory
반별 성공률의 단순 평균과 전체 인원을 합친 비율을 직접 비교하며, 어떤 문장에 어떤 계산이 맞는지 고칩니다.
WEIGHTED MEAN
응답자·찬성자 수를 바꾸어 응답자 찬성률과 미응답자를 포함한 전체 초대자의 가능 범위를 나누고, 과도한 대표 문장을 고칩니다.
Standard Definitions: Final Dispositions of Case Codes and Outcome Rates for Surveys
Wolfe 등의 세 연구를 통해 반대 근거를 배제하지 않고 반박하는 글쓰기 전략과 내 편 편향을 살핍니다.
Argumentation Schema and the Myside Bias in Written Argumentation
11–15 / 131편