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. 1온도를 바꾸면 인공지능(AI)의 1위 답은 그대로인데 확신만 달라질까?
  2. 2AI가 긴 글을 입력받으면 중간 내용도 잘 찾을까?
  3. 3인공지능(AI)가 확신이 낮은 답을 보류하면 정확도는 어떻게 달라질까?
  4. 4긴 문맥을 읽는 인공지능(AI)는 가운데 근거도 똑같이 찾을까?
  5. 5언어모형을 크게 만들수록 무엇을 장부에 남겨야 할까?
세 로짓을 양의 온도로 나눈 뒤 소프트맥스 확률로 바꾸며 확률 간격은 달라져도 1위 순서는 유지되는 흐름도

온도를 바꾸면 인공지능(AI)의 1위 답은 그대로인데 확신만 달라질까?

세 로짓을 양의 온도로 나눈 뒤 소프트맥스 확률로 바꾸며 확률 간격은 달라져도 1위 순서는 유지되는 흐름도
인공지능과 논리해외 학술 연구 · 연구 해설 · 일반

온도를 바꾸면 인공지능(AI)의 1위 답은 그대로인데 확신만 달라질까?

로짓과 온도를 바꾸어 확률 간격을 직접 계산하고, 양의 온도 조정이 확신 표현은 바꾸지만 같은 로짓의 1위 답은 바꾸지 않는 이유를 확인합니다.

On Calibration of Modern Neural Networks

게시 2026-10-06 · 약 10분해외 논리학 연구 해설 읽기 →
짧은 연구 읽기긴 입력의 중간에서 놓치는 정보 — Lost in the Middle: How Language Models Use Long Contexts해외 학술 연구
인공지능과 논리해외 학술 연구 · 짧은 연구 읽기 · 일반

AI가 긴 글을 입력받으면 중간 내용도 잘 찾을까?

긴 글을 받아들일 수 있는 AI가 그 안의 정보를 고르게 활용하는지는 별개의 질문입니다. 류와 동료들의 2024년 논문은 답을 담은 정보의 위치를 바꾸며 당시 언어 모델의 수행을 비교합니다.

긴 입력의 중간에서 놓치는 정보 — Lost in the Middle: How Language Models Use Long Contexts

가상 예측 카드가 확신 기준을 통과하면 답변으로, 통과하지 못하면 보류로 갈라지는 흐름도

인공지능(AI)가 확신이 낮은 답을 보류하면 정확도는 어떻게 달라질까?

가상 예측 카드가 확신 기준을 통과하면 답변으로, 통과하지 못하면 보류로 갈라지는 흐름도
인공지능과 논리해외 학술 연구 · 연구 해설 · 일반

인공지능(AI)가 확신이 낮은 답을 보류하면 정확도는 어떻게 달라질까?

AI가 낮은 확신의 답을 보류할 때 답한 범위와 정답률이 함께 어떻게 바뀌는지 살펴보고, 선택된 일부의 성능을 전체 신뢰성과 혼동하지 않는 법을 익힙니다.

Language Models (Mostly) Know What They Know

게시 2026-10-02 · 약 11분해외 논리학 연구 해설 읽기 →
긴 문맥의 처음과 끝에서는 성능이 높고 가운데 근거에서는 낮아지는 U자형 위치 민감성 곡선

긴 문맥을 읽는 인공지능(AI)는 가운데 근거도 똑같이 찾을까?

긴 문맥의 처음과 끝에서는 성능이 높고 가운데 근거에서는 낮아지는 U자형 위치 민감성 곡선
인공지능과 논리해외 학술 연구 · 연구 해설 · 일반

긴 문맥을 읽는 인공지능(AI)는 가운데 근거도 똑같이 찾을까?

긴 문맥 모델도 근거 위치에 따라 성능이 달라졌습니다. 문서 수와 위치를 바꾸는 교육 모형으로 강건성을 점검합니다.

Lost in the Middle: How Language Models Use Long Contexts

게시 2026-09-29 · 약 8분해외 논리학 연구 해설 읽기 →
모델 개발 앞에 자료 출처, 동의, 환경비용, 영향받는 집단의 네 장부가 놓이고 배포 검토로 합류하는 도식.

언어모형을 크게 만들수록 무엇을 장부에 남겨야 할까?

모델 개발 앞에 자료 출처, 동의, 환경비용, 영향받는 집단의 네 장부가 놓이고 배포 검토로 합류하는 도식.
인공지능과 논리해외 학술 연구 · 연구 해설 · 심화

언어모형을 크게 만들수록 무엇을 장부에 남겨야 할까?

Bender 등 연구자들의 ‘확률적 앵무새’ 논문을 통해 대규모 언어모형의 자료 문서화, 환경비용, 편향, 이해관계자 위험을 점검합니다.

On the Dangers of Stochastic Parrots: Can Language Models Be Too Big?

게시 2026-09-28 · 약 12분해외 논리학 연구 해설 읽기 →

1–5 / 69묶음