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

AI 시험 문제가 학습 자료와 겹치면 점수를 믿을 수 있을까?

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

AI 심판은 자기 계열의 답을 더 좋아할까?

내용 조건은 같은 익명 답 A·B를 심판 A·B와 사람 루브릭이 평가할 때 88:78, 77:87, 80:80으로 달라지는 교육용 감사를 수행합니다.

입력 분포가 바뀌면 AI 오류도 같은 방식으로 늘어날까?

전체 정확도 82%가 66%로 같게 떨어져도 입력 구성 80·20→40·60의 변화와 조건별 정확도 90%→70%의 관계 변화는 다른 진단임을 비교합니다.

AI가 말한 이유는 실제 선택 근거와 같을까?

입력 단서를 하나만 바꾸고 답과 설명을 함께 대조해, 그럴듯한 이유와 관찰 가능한 영향 요인을 구분합니다.