잘못된 그래프를 찾는 데 위치 정보가 왜 필요할까?
3,026개 사례와 21개 오도 유형의 벤치마크는 답뿐 아니라 문제 영역을 찾는 능력을 평가합니다.
그림에서 무엇을 볼까요?
전체 차트, 의심 영역, 근거 설명를 차례로 연결하고 조건·범위·반례를 확인하는 교육용 도식.
범례 색이 뒤바뀐 가상 선그래프에서 범례 상자와 두 선을 표시하고 축·값과 대조한 뒤, 오도 이유를 설명합니다.
그림은 전체 차트 → 의심 영역 → 근거 설명의 순서로 읽습니다. 각 화살표 끝은 다음 단계의 경계에 닿고, 마지막 아래쪽 합류점에서 조건·범위·반례를 함께 확인합니다. 원 논문의 표나 그림을 복사하지 않고 LTCT가 개념 관계만 새로 그렸습니다.
함께 확인할 점
벤치마크 분포·주석·평가 방식과 당시 모델 버전에 한정되며 실제 차트의 출처·누락 데이터까지 검증한 것은 아닙니다.
이 자료 하나만으로 LTCT 교육·시험의 효과를 확인할 수 없습니다. 대상, 비교 조건, 무작위 배정 여부와 측정 시점을 유지한 별도 평가가 필요합니다.
생각해 볼 질문
문제 영역을 찾으면 설명도 반드시 맞나요?
같은 데이터인데 속이는 차트가 인공지능(AI)의 답을 바꿀까?
같은 숫자라도 확률보다 빈도가 더 잘 보일까?
로그 눈금은 설명과 예측에 똑같이 좋을까?