サインイン
インサイト - 수학 문제 해결
스키마 기반 교육 및 검색 증강 생성을 통한 학생의 수학 문제 해결 능력 향상: SBI-RAG 프레임워크 및 GSM8K 데이터셋 기반 성능 평가
본 논문에서는 스키마 기반 교육(SBI)과 검색 증강 생성(RAG)을 결합한 SBI-RAG 프레임워크를 제안하여, 대규모 언어 모델(LLM)을 활용한 수학 문제 해결 능력 향상을 목표로 합니다. 특히, GSM8K 데이터셋을 이용하여 SBI-RAG 프레임워크가 기존 LLM보다 뛰어난 추론 능력과 단계별 문제 해결 과정을 제시함을 보여줍니다.
알파수학: 과정 감독 없이도 수학 문제 해결하기
대규모 언어 모델의 수학적 추론 능력을 향상시키기 위해 몬테카를로 트리 탐색 프레임워크를 활용하여 자동으로 해결 과정을 생성하고 평가할 수 있는 방법을 제안한다.
수학 문제 해결을 위한 대규모 언어 모델 평가
대규모 언어 모델(LLM)의 수학 문제 해결 능력을 향상시키기 위해 다양한 수준의 수학 문제로 구성된 MathQuest 데이터셋을 소개하고, 이를 활용하여 LLaMA-2, WizardMath, MAmmoTH 모델을 fine-tuning하여 성능을 평가한다.
수학 문제 해결을 위한 문맥 학습 기반 데이터 증강 및 비교 평가
본 연구는 수학 문제 해결 능력을 향상시키기 위해 다양한 데이터 증강 기법을 제안하고 평가한다. 특히 문맥 학습 기반 데이터 증강 방법을 통해 기존 데이터를 확장하여 모델의 성능을 개선한다.