조건을 못 맞추는 퍼즐은 인공지능(AI)에게 왜 더 어려울까?
SATBench의 2,100개 문제는 해 찾기와 불가능성 판정 사이의 비대칭을 드러냅니다.
SATBench: Benchmarking LLMs’ Logical Reasoning via Automated Puzzle Generation from SAT Formulas
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
SATBench의 2,100개 문제는 해 찾기와 불가능성 판정 사이의 비대칭을 드러냅니다.
SATBench: Benchmarking LLMs’ Logical Reasoning via Automated Puzzle Generation from SAT Formulas
LINC는 언어모델을 의미 파서로, 1차 논리 증명기를 판정기로 사용해 언어 이해와 형식 추론의 책임을 분리했습니다.
LINC: A Neurosymbolic Approach for Logical Reasoning by Combining Language Models with First-Order Logic Provers
Logic-LM은 언어모델의 형식화와 기호 솔버의 판정을 결합하고 오류 메시지로 번역을 고치는 절차를 평가했습니다.
Logic-LM: Empowering Large Language Models with Symbolic Solvers for Faithful Logical Reasoning
HOList는 HOL Light의 수학 말뭉치를 기계학습 환경과 벤치마크로 공개해 증명 모델을 같은 조건에서 훈련·재생·검증하도록 했습니다.
HOList: An Environment for Machine Learning of Higher-Order Theorem Proving
FOLIO는 자연어를 1차 논리로 옮기는 정확성과 실제 결론을 실행하는 정확성이 다를 수 있음을 보여 줍니다.
FOLIO: Natural Language Reasoning with First-Order Logic
171–175 / 193편