TOPIC HUBS

읽기 주제를 묶어서 보기

개별 글보다 주제 전체를 따라 읽고 싶다면 대표 글과 연관 자료를 함께 보세요.

전체 주제 보기 →
검색에서 많이 찾는 질문현재 4~15위권에서 실제 노출이 확인된 대표 글을 바로 연결합니다.
해외 학술 연구

해외 학술 연구

그림으로 이해하고, 원문으로 깊이 읽습니다.

관심 주제와 난이도로 필요한 글을 찾아보세요. 개념을 익히는 학습과 원문에 근거한 연구 해설을 구분했습니다.

세 연구자가 논문과 도표를 함께 검토하고 작은 갈색 안경 올빼미가 곁에서 책을 읽는 모습

해외 학술 연구의 7개 분야

조건 초기화

해외 학술 연구72편 · 69묶음

검색 결과 제목

  1. 31그림이 포함된 정리를 인공지능(AI)가 풀었다면 형식 검증도 통과할까?
  2. 32자연어 증명에 참고문헌을 붙이면 자동으로 검증된 증명이 될까?
  3. 33신경망의 숫자를 논리 규칙이 계산할 수 있을까?
  4. 34풀지 못한 정리에서 다시 배우면 자동증명기는 더 강해질까?
  5. 358,192번 중 한 번 성공한 80.7%를 ‘한 번의 실력’으로 읽어도 될까?
문제 그림과 문장에서 형식 명세를 거쳐 증명 후보와 커널 검사로 이어지는 네 단계 파이프라인.

그림이 포함된 정리를 인공지능(AI)가 풀었다면 형식 검증도 통과할까?

문제 그림과 문장에서 형식 명세를 거쳐 증명 후보와 커널 검사로 이어지는 네 단계 파이프라인.
인공지능과 논리해외 학술 연구 · 연구 해설 · 일반

그림이 포함된 정리를 인공지능(AI)가 풀었다면 형식 검증도 통과할까?

MATP-BENCH는 그림과 텍스트가 함께 있는 1,056개 정리를 Lean 4·Coq·Isabelle 형식화와 묶어 멀티모달 모델의 증명 능력을 평가한다.

MATP-BENCH: Can MLLM Be a Good Automated Theorem Prover for Multimodal Problems?

게시 2026-09-13 · 약 8분해외 논리학 연구 해설 읽기 →
참고 정리 검색에서 자연어 증명 생성으로 이어진 뒤 인간 검토와 형식 검증 부재를 구분하는 흐름도

자연어 증명에 참고문헌을 붙이면 자동으로 검증된 증명이 될까?

참고 정리 검색에서 자연어 증명 생성으로 이어진 뒤 인간 검토와 형식 검증 부재를 구분하는 흐름도
인공지능과 논리해외 학술 연구 · 연구 해설 · 일반

자연어 증명에 참고문헌을 붙이면 자동으로 검증된 증명이 될까?

NaturalProver는 배경 정리와 정의를 조건으로 자연어 증명 단계를 생성해 사람 평가를 개선했지만, 형식 검사기가 없는 자연어 증명은 여전히 인간 검토가 필요했습니다.

NaturalProver: Grounded Mathematical Proof Generation With Language Models

게시 2026-09-13 · 약 9분해외 논리학 연구 해설 읽기 →
풀지 못한 정리에서 다시 배우면 자동증명기는 더 강해질까?의 질문, 방법, 결과와 적용 범위를 세 단계 카드로 정리한 교육용 도식

풀지 못한 정리에서 다시 배우면 자동증명기는 더 강해질까?

풀지 못한 정리에서 다시 배우면 자동증명기는 더 강해질까?의 질문, 방법, 결과와 적용 범위를 세 단계 카드로 정리한 교육용 도식
인공지능과 논리해외 학술 연구 · 연구 해설 · 일반

풀지 못한 정리에서 다시 배우면 자동증명기는 더 강해질까?

HyperTree Proof Search는 증명 탐색 결과를 온라인 학습에 되돌려 훈련 분포 밖 정리의 탐색 정책을 개선한다.

HyperTree Proof Search for Neural Theorem Proving

게시 2026-09-13 · 약 11분해외 논리학 연구 해설 읽기 →
한 문제에서 첫 후보 하나와 8192개 후보 묶음이 각각 검증기로 들어가 pass at 1과 pass at 8192로 나뉘는 도식

8,192번 중 한 번 성공한 80.7%를 ‘한 번의 실력’으로 읽어도 될까?

한 문제에서 첫 후보 하나와 8192개 후보 묶음이 각각 검증기로 들어가 pass at 1과 pass at 8192로 나뉘는 도식
인공지능과 논리해외 학술 연구 · 연구 해설 · 일반

8,192번 중 한 번 성공한 80.7%를 ‘한 번의 실력’으로 읽어도 될까?

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

게시 2026-09-13 · 약 10분해외 논리학 연구 해설 읽기 →

31–35 / 69묶음