통합검색

논리 규칙 하나씩 시험하면 언어모델의 약점이 더 선명해질까?

LogicBench는 25개 추론 패턴을 명제·1차·비단조 논리로 나눠, 정답률 하나가 숨기는 규칙별 실패를 드러냅니다.

LogicBench: Towards Systematic Evaluation of Logical Reasoning Ability of Large Language Models

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

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

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.

답이 길면 AI 심판은 더 좋은 답으로 볼까?

핵심 근거는 2개로 같은 60단어·180단어 답을 길이 보너스 규칙과 근거 루브릭으로 채점해 선택이 뒤집히는 과정을 확인합니다.