인공지능(AI)가 프로그램을 진화시키면 새로운 수학 구성을 찾을 수 있을까?
Romera-Paredes 등은 언어모델의 프로그램 제안과 자동 평가·진화를 결합해 cap set 구성과 온라인 bin packing 휴리스틱을 탐색했습니다.
Mathematical Discoveries from Program Search with Large Language Models
개별 글보다 주제 전체를 따라 읽고 싶다면 대표 글과 연관 자료를 함께 보세요.
연구와 학습, 시험과 도서를 한곳에서 찾습니다.
검색 결과마다 자료의 코너와 성격을 표시합니다. 제목을 먼저 살펴보고 그림 카드와 기존 본문으로 이어 가세요.

관심 주제로 찾아보기
Romera-Paredes 등은 언어모델의 프로그램 제안과 자동 평가·진화를 결합해 cap set 구성과 온라인 bin packing 휴리스틱을 탐색했습니다.
Mathematical Discoveries from Program Search with Large Language Models
P-FOLIO는 0~20단계의 사람이 쓴 증명 연쇄를 제공해 최종 분류와 단계 규칙 평가를 분리합니다.
P-FOLIO: Evaluating and Improving Logical Reasoning with Abundant Human-Written Reasoning Chains
자기일관성 방법은 다양한 풀이 경로에서 최종 답을 모읍니다. 정답률 개선과 답의 논리적 보증을 구별하고, 반복 답변의 독립성도 따져 봅니다.
Self-Consistency Improves Chain of Thought Reasoning in Language Models
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
외부 정답 정보가 있는 교정과 AI의 내적 자기교정은 다른 조건입니다. 답이 바뀐 횟수보다 어떤 방향으로 바뀌었는지를 확인해 봅니다.
Large Language Models Cannot Self-Correct Reasoning Yet
126–130 / 193편