통합검색

인공지능(AI)가 한 문제를 푸는 동안 그 문제 주변의 변형을 새로 학습하면 증명력이 올라갈까?

AlphaProof는 Lean 검증 환경, 대규모 자기학습과 문제별 시험시점 강화학습을 결합해 2024 IMO 비기하 5문제 중 3문제를 풀었지만 막대한 계산비용과 형식화 범위가 제한입니다.

Olympiad-level Formal Mathematical Reasoning with Reinforcement Learning

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.

AI가 ‘완료했습니다’라고 쓰면 실제 작업도 끝난 걸까?

등대 경보판 7개를 바꾸는 가상 작업에서 답변, 도구 결과, 작업 뒤 상태를 분리해 완료의 근거를 판정합니다.

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.

상관이 높으면 두 측정법을 바꿔 써도 될까?

거의 나란히 커지는 두 측정법의 상관계수 0.996 뒤에 평균 +10.0의 차이가 남는 예시로 연관과 일치를 구분합니다.