통합검색

보기 순서만 바꿔도 AI의 선택이 달라질까?

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

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.

긴 문서의 가운데 근거도 AI가 똑같이 찾을까?

같은 정답 문서를 9개 묶음의 앞·가운데·끝으로 옮기는 통제 실험으로, 문맥 수용 길이와 실제 근거 사용 능력을 구분합니다.

증명 답안의 점수를 인공지능(AI)에게 맡겨도 될까?

수학올림피아드 증명 평가 연구에서 자동 채점의 어려움을 읽습니다. 예시 확인과 일반 증명을 구별하는 작은 답안으로 채점 근거를 점검합니다.

Proof or Bluff? Evaluating LLMs on 2025 USA Math Olympiad