한곳에서 찾는 논리 자료

통합검색

연구와 학습, 시험과 도서를 한곳에서 찾습니다.

검색 결과마다 자료의 코너와 성격을 표시합니다. 제목을 먼저 살펴보고 그림 카드와 기존 본문으로 이어 가세요.

세 연구자가 논문과 도표를 함께 검토하고 작은 갈색 안경 올빼미가 곁에서 책을 읽는 모습

관심 주제로 찾아보기

조건 초기화

검색 결과412건

검색 결과 제목

  1. 376언어모델과 정리증명기는 어디에서 역할을 나눌까?
  2. 377인공지능(AI)가 논리를 기호로 옮기고 계산기에 맡기면 더 정확할까?
  3. 378한 번에 몰아 공부하는 것과 나누어 공부하는 것은 어떻게 비교할까?
  4. 379이미 기다린 시간이 길수록 더 기다려야 할까?
  5. 380정리증명 인공지능(AI)를 시험할 ‘환경’은 왜 필요할까?
의미 파싱, 정리 증명, 번역 검수를 연결해 조건과 범위를 확인하는 교육용 도식.

언어모델과 정리증명기는 어디에서 역할을 나눌까?

의미 파싱, 정리 증명, 번역 검수를 연결해 조건과 범위를 확인하는 교육용 도식.
인공지능과 논리해외 학술 연구 · 연구 해설 · 일반

언어모델과 정리증명기는 어디에서 역할을 나눌까?

LINC는 언어모델을 의미 파서로, 1차 논리 증명기를 판정기로 사용해 언어 이해와 형식 추론의 책임을 분리했습니다.

LINC: A Neurosymbolic Approach for Logical Reasoning by Combining Language Models with First-Order Logic Provers

게시 2026-09-12 · 약 9분해외 논리학 연구 해설 읽기 →
자연어 번역, 솔버 실행, 오류 피드백를 연결해 조건과 범위를 확인하는 교육용 도식.

인공지능(AI)가 논리를 기호로 옮기고 계산기에 맡기면 더 정확할까?

자연어 번역, 솔버 실행, 오류 피드백를 연결해 조건과 범위를 확인하는 교육용 도식.
인공지능과 논리해외 학술 연구 · 연구 해설 · 일반

인공지능(AI)가 논리를 기호로 옮기고 계산기에 맡기면 더 정확할까?

Logic-LM은 언어모델의 형식화와 기호 솔버의 판정을 결합하고 오류 메시지로 번역을 고치는 절차를 평가했습니다.

Logic-LM: Empowering Large Language Models with Symbolic Solvers for Faithful Logical Reasoning

게시 2026-09-12 · 약 9분해외 논리학 연구 해설 읽기 →
계획 A는 토요일 80분 한 칸, 계획 B는 월수금토 각 20분 네 칸으로 총 80분을 같게 배치하고 즉시 검사와 1주 뒤 검사를 표시한 달력형 표.

한 번에 몰아 공부하는 것과 나누어 공부하는 것은 어떻게 비교할까?

계획 A는 토요일 80분 한 칸, 계획 B는 월수금토 각 20분 네 칸으로 총 80분을 같게 배치하고 즉시 검사와 1주 뒤 검사를 표시한 달력형 표.
논리교육과 평가해외 학술 연구 · 연구 해설 · 일반

한 번에 몰아 공부하는 것과 나누어 공부하는 것은 어떻게 비교할까?

열 가지 학습 기법을 종합한 2013년 검토에서 분산학습의 근거와 실제 적용 한계를 정확히 구분합니다.

Improving Students' Learning With Effective Learning Techniques: Promising Directions From Cognitive and Educational Psychology

게시 2026-09-12 · 약 11분해외 논리학 연구 해설 읽기 →
이미 투자한 시간, 남은 비용, 현재 선택를 연결해 조건과 범위를 확인하는 교육용 도식.

이미 기다린 시간이 길수록 더 기다려야 할까?

이미 투자한 시간, 남은 비용, 현재 선택를 연결해 조건과 범위를 확인하는 교육용 도식.
인간의 사고와 추론해외 학술 연구 · 연구 해설 · 일반

이미 기다린 시간이 길수록 더 기다려야 할까?

쥐·생쥐·사람의 병렬 과제는 이미 투자한 시간이 이후 포기 결정에 어떤 영향을 주는지 비교했습니다.

Sensitivity to “sunk costs” in mice, rats, and humans

게시 2026-09-12 · 약 9분해외 논리학 연구 해설 읽기 →
HOL Light, 공통 벤치마크, 강화학습의 관계와 검토 지점을 설명하는 LTCT 교육용 도식.

정리증명 인공지능(AI)를 시험할 ‘환경’은 왜 필요할까?

HOL Light, 공통 벤치마크, 강화학습의 관계와 검토 지점을 설명하는 LTCT 교육용 도식.
인공지능과 논리해외 학술 연구 · 연구 해설 · 일반

정리증명 인공지능(AI)를 시험할 ‘환경’은 왜 필요할까?

HOList는 HOL Light의 수학 말뭉치를 기계학습 환경과 벤치마크로 공개해 증명 모델을 같은 조건에서 훈련·재생·검증하도록 했습니다.

HOList: An Environment for Machine Learning of Higher-Order Theorem Proving

게시 2026-09-12 · 약 10분해외 논리학 연구 해설 읽기 →

376–380 / 412편