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 결과11건

검색 결과 제목

  1. 1인공지능(AI)에게 원칙을 주면 안전한 답이 자동으로 보장될까?
  2. 2인공지능(AI)가 생각과 행동을 번갈아 하면 무엇이 달라질까?
  3. 38,192번 중 한 번 성공한 80.7%를 ‘한 번의 실력’으로 읽어도 될까?
  4. 4큰 정리를 작은 목표로 나누면 인공지능(AI) 증명은 더 강해질까?
  5. 5인공지능(AI)가 한 문제를 푸는 동안 그 문제 주변의 변형을 새로 학습하면 증명력이 올라갈까?
초안에서 원칙 비판과 수정으로 이어지는 지도학습 단계, 응답 비교에서 선호모형과 강화학습으로 이어지는 단계를 나눈 절차도.

인공지능(AI)에게 원칙을 주면 안전한 답이 자동으로 보장될까?

초안에서 원칙 비판과 수정으로 이어지는 지도학습 단계, 응답 비교에서 선호모형과 강화학습으로 이어지는 단계를 나눈 절차도.
인공지능과 논리해외 학술 연구 · 연구 해설 · 심화

인공지능(AI)에게 원칙을 주면 안전한 답이 자동으로 보장될까?

Constitutional AI 공개본의 비판·수정과 AI 피드백 강화학습 절차를 구분하고, 원칙 선택과 평가의 남은 한계를 살핍니다.

Constitutional AI: Harmlessness from AI Feedback

게시 2026-09-23 · 약 10분해외 논리학 연구 해설 읽기 →
생각, 행동, 관찰, 갱신된 생각, 최종 답이 순서대로 이어지고 관찰에서 계획으로 되먹임 화살표가 연결된 흐름도.

인공지능(AI)가 생각과 행동을 번갈아 하면 무엇이 달라질까?

생각, 행동, 관찰, 갱신된 생각, 최종 답이 순서대로 이어지고 관찰에서 계획으로 되먹임 화살표가 연결된 흐름도.
인공지능과 논리해외 학술 연구 · 연구 해설 · 일반

인공지능(AI)가 생각과 행동을 번갈아 하면 무엇이 달라질까?

언어모델이 추론 흔적과 외부 행동·관찰을 번갈아 생성하는 ReAct 연구를 살펴봅니다. 전략과 환경 변화를 바꾸어 검증 가능한 경로를 비교하세요.

ReAct: Synergizing Reasoning and Acting in Language Models

게시 2026-09-20 · 약 9분해외 논리학 연구 해설 읽기 →
한 문제에서 첫 후보 하나와 8192개 후보 묶음이 각각 검증기로 들어가 pass at 1과 pass at 8192로 나뉘는 도식

8,192번 중 한 번 성공한 80.7%를 ‘한 번의 실력’으로 읽어도 될까?

한 문제에서 첫 후보 하나와 8192개 후보 묶음이 각각 검증기로 들어가 pass at 1과 pass at 8192로 나뉘는 도식
인공지능과 논리해외 학술 연구 · 연구 해설 · 일반

8,192번 중 한 번 성공한 80.7%를 ‘한 번의 실력’으로 읽어도 될까?

Kimina-Prover Preview v1의 강화학습과 miniF2F pass@8192 결과를 살펴보며 대규모 후보 탐색 성과와 단일 시도 능력, 형식 검증 비용을 구분한다.

Kimina-Prover Preview: Towards Large Formal Reasoning Models with Reinforcement Learning

게시 2026-09-13 · 약 10분해외 논리학 연구 해설 읽기 →
큰 정리를 작은 목표로 나누면 AI 증명은 더 강해질까?의 질문, 방법, 결과와 적용 범위를 세 단계 카드로 정리한 교육용 도식

큰 정리를 작은 목표로 나누면 인공지능(AI) 증명은 더 강해질까?

큰 정리를 작은 목표로 나누면 AI 증명은 더 강해질까?의 질문, 방법, 결과와 적용 범위를 세 단계 카드로 정리한 교육용 도식
인공지능과 논리해외 학술 연구 · 연구 해설 · 일반

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

게시 2026-09-13 · 약 11분해외 논리학 연구 해설 읽기 →
원 목표에서 변형 문제 묶음, 강화학습, 트리 탐색, Lean 커널 검증으로 이어지는 순환도

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

원 목표에서 변형 문제 묶음, 강화학습, 트리 탐색, Lean 커널 검증으로 이어지는 순환도
인공지능과 논리해외 학술 연구 · 연구 해설 · 일반

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

게시 2026-09-13 · 약 9분해외 논리학 연구 해설 읽기 →

1–5 / 11편