통합검색

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.

AI 시험 문제가 학습 자료와 겹치면 점수를 믿을 수 있을까?

공개 시험·재표현 시험·새 비공개 시험의 결과를 비교하며 암기와 새로운 문제 해결을 구분합니다.

보기 순서만 바꿔도 AI의 선택이 달라질까?

같은 두 답을 A·B와 B·A로 제시해 선택 변화율과 균형 합산을 구분합니다.