인공지능(AI)가 주장 문장을 찾으면 논증 구조도 모두 찾은 걸까?
논증 마이닝은 주장·전제의 식별뿐 아니라 관계, 생략, 맥락과 장르까지 다뤄야 하며 과제마다 주석 단위와 평가 기준이 다릅니다.
Argument Mining: A Survey
연구와 학습, 시험과 도서를 한곳에서 찾습니다.
검색 결과마다 자료의 코너와 성격을 표시합니다. 제목을 먼저 살펴보고 그림 카드와 기존 본문으로 이어 가세요.

관심 주제로 찾아보기
논증 마이닝은 주장·전제의 식별뿐 아니라 관계, 생략, 맥락과 장르까지 다뤄야 하며 과제마다 주석 단위와 평가 기준이 다릅니다.
Argument Mining: A Survey
Baron·Beattie·Hershey의 여섯 실험은 진단 가설과 맞는 검사 선호, 행동을 바꾸지 못하는 정보 탐색, 확신 과잉을 분리해 조사했습니다.
Heuristics and Biases in Diagnostic Reasoning: II. Congruence, Information, and Certainty
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
등록보고는 연구 질문과 방법을 결과가 나오기 전에 심사하고 원칙적 게재 승인을 주는 출판 형식이다.
Registered Reports: A New Publishing Initiative at Cortex
생각의 나무는 중간 풀이를 여러 갈래로 만들고 평가하여 탐색합니다. 유망하다는 판단과 실제 정답 검사는 따로 보아야 합니다.
Tree of Thoughts: Deliberate Problem Solving with Large Language Models
1–5 / 14편