같은 데이터인데 속이는 차트가 인공지능(AI)의 답을 바꿀까?
1,600쌍의 차트와 10개 비전언어모델을 비교한 연구는 시각적 기만과 메타데이터 완화의 범위를 측정했습니다.
그림에서 무엇을 볼까요?
같은 데이터, 기만 표현, 메타데이터를 차례로 연결하고 조건·범위·반례를 확인하는 교육용 도식.
값 80과 90을 0 시작 축과 75 시작 축에 각각 그려 인상 차이를 비교하고, 축 시작값 메타데이터를 확인해 실제 차이 10을 다시 계산합니다.
그림은 같은 데이터 → 기만 표현 → 메타데이터의 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
32,000응답은 독립된 사람 표본이 아니며 합성 차트·특정 모델·프롬프트와 v1 공개본에 한정됩니다.
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
축 시작값을 알려 주면 오류가 모두 사라질까요?
잘못된 그래프를 찾는 데 위치 정보가 왜 필요할까?
같은 숫자라도 확률보다 빈도가 더 잘 보일까?
로그 눈금은 설명과 예측에 똑같이 좋을까?