통합검색

인공지능(AI)에게 “다시 검토해”라고 하면 정답을 오답으로 바꿀 수도 있을까?

외부 정답 정보가 있는 교정과 AI의 내적 자기교정은 다른 조건입니다. 답이 바뀐 횟수보다 어떤 방향으로 바뀌었는지를 확인해 봅니다.

Large Language Models Cannot Self-Correct Reasoning Yet

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

큰 정리를 작은 목표로 나누면 인공지능(AI) 증명은 더 강해질까?

DeepSeek-Prover-V2는 비형식 풀이를 하위 목표로 재귀 분해해 형식 추론의 학습 자료와 보상 구조를 만든다.

DeepSeek-Prover-V2: Advancing Formal Mathematical Reasoning via Reinforcement Learning for Subgoal Decomposition

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

보기 순서만 바꿔도 AI의 선택이 달라질까?

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