문제를 잘게 나누면 인공지능(AI)가 더 어려운 문제도 풀 수 있을까?
작은 문제의 답을 다음 문제에 전달하는 least-to-most 연구는 분해의 개수보다 의존 순서와 분해 자체의 정확성이 중요함을 보여 줍니다.
Least-to-Most Prompting Enables Complex Reasoning in Large 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
작은 문제의 답을 다음 문제에 전달하는 least-to-most 연구는 분해의 개수보다 의존 순서와 분해 자체의 정확성이 중요함을 보여 줍니다.
Least-to-Most Prompting Enables Complex Reasoning in Large Language Models
39개 연구 메타분석은 가르칠 예정임을 알고 준비한 뒤 가르칠 때 이득이 컸고 기대 없이 가르친 조건은 0과 구별되지 않았다고 보고했습니다.
Interactive Learning Effects of Preparing to Teach and Teaching: a Meta-Analytic Approach
DRM 과제는 의미적으로 연결된 단어 목록이 제시되지 않은 중심 단어의 거짓 회상과 재인을 유발하는 방식을 보여 줍니다.
The Deese-Roediger-McDermott (DRM) Task: A Simple Cognitive Paradigm to Investigate False Memories in the Laboratory
세 실험 533명과 10만 건 넘는 단답 응답에서 초기 정답 반복의 이득은 재학습이 늘수록 줄었고, 넓은 간격의 재학습은 비교적 적은 추가 비용으로 장기 기억을 높였습니다.
Optimizing Schedules of Retrieval Practice for Durable and Efficient Learning: How Much Is Enough?
Atkinson·Derry·Renkl·Wortham은 풀이예시 연구를 인지부하 관점에서 종합해 예시-문제 쌍, 단계 표지, 자기설명과 점진적 빈칸의 설계 원리를 제안했습니다.
Learning from Examples: Instructional Principles from the Worked Examples Research
171–175 / 259편