객관식 시험 처리를 위한 인공지능에 관한 공대생의 논문이 1분기에 출판되었습니다.

AI 요약

단일 토큰 로짓 프롬프트를 통한 자동 제로샷 객관식 문제 답변의 대규모 언어 모델 성능 향상이라는 제목의 연구는 Computers and Education: Artificial Intelligence(Elsevier)에 게재되었으며, 베트남 국립대학교 호치민시 공과대학교 컴퓨터공학과의 학생·졸업생·교수진이 콴 탄 토(Quan Thanh Tho) 부교수 지도 하에 수행했습니다. 연구는 객관식 문제 처리 시의 불안정성에 초점을 맞추고 모델 구조를 변경하지 않고 질문 표현을 바꿔 각 답변을 독립적으로 평가하는 단일 토큰 로짓(STL) 기법을 제안했으며, 국제 표준 데이터 세트에서 일부 인기 기법보다 성능이 우수하거나 경쟁력이 있으면서 계산 비용은 더 낮다는 결과를 보였습니다. 이 논문은 게재까지 2년 4개월의 엄격한 국제 심사와 수차례 거절을 거쳤고, 해당 학술지가 교육 분야 Q1으로 분류되며 프로젝트는 성적 평가·시험 복습·지능형 학습 시스템 구축 등 교육 분야에서 다양한 활용 가능성을 제시합니다.