Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Bridging LLMs and Symbolic Reasoning in Educational QA Systems: Insights from the XAI Challenge at IJCNN 2025

Created by
  • Haebom

저자

Long S. T. Nguyen, Khang H. N. Vo, Thu H. A. Nguyen, Tuan C. Bui, Duc Q. Nguyen, Thanh-Tung Tran, Anh D. Nguyen, Minh L. Nguyen, Fabien Baldacci, Thang H. Bui, Emanuel Di Nardo, Angelo Ciaramella, Son H. Le, Ihsan Ullah, Lorenzo Di Rocco, Tho T. Quan

개요

본 논문은 2025년 국제 신경망 학술대회(IJCNN 2025)에서 열린 XAI 챌린지 2025에 대한 분석을 제시한다. 호치민 기술대학교(HCMUT)와 신경기호 AI의 신뢰성 및 안정성에 관한 국제 워크숍(TRNS-AI)이 공동으로 주최한 이 해커톤 스타일의 경연대회는 참가자들에게 대학 정책에 대한 학생 질문에 답변하고 명확한 논리 기반 자연어 설명을 생성할 수 있는 질문응답(QA) 시스템을 구축하도록 과제를 부여했다. 투명성과 신뢰성을 높이기 위해 경량형 대형 언어 모델(LLM) 또는 하이브리드 LLM-기호 시스템을 사용해야 했다. Z3 검증을 통해 논리 기반 템플릿으로 구성되고 전문가 학생 검토를 통해 실제 학업 시나리오와의 일치성을 보장하기 위해 개선된 고품질 데이터 세트가 제공되었다. 본 논문에서는 챌린지의 동기, 구조, 데이터 세트 구성 및 평가 프로토콜을 설명한다. AI 해커톤의 더 넓은 발전 속에서 이 대회는 설명 가능성을 위해 LLM과 기호 추론을 연결하려는 새로운 시도를 나타낸다고 주장한다. 연구 결과는 미래의 XAI 중심 교육 시스템 및 경쟁적 연구 이니셔티브에 대한 실행 가능한 통찰력을 제공한다.

시사점, 한계점

시사점: LLM과 기호 추론을 결합한 설명 가능한 AI(XAI) 시스템 개발을 위한 새로운 접근 방식을 제시한다. 실제 교육 환경에 적용 가능한 XAI 시스템 개발을 위한 실질적인 지침을 제공한다. 미래의 XAI 중심 교육 시스템 및 연구에 대한 통찰력을 제공한다. 해커톤 형식을 통해 XAI 연구의 효율성을 높일 수 있음을 보여준다.
한계점: XAI 챌린지 2025의 결과가 특정 데이터셋과 과제에 국한될 수 있다. 참가자들의 다양성 및 대표성에 대한 분석이 부족할 수 있다. 제시된 해결책의 장기적인 효과 및 일반화 가능성에 대한 추가 연구가 필요하다. 사용된 경량형 LLM 또는 하이브리드 시스템의 성능 제한에 대한 논의가 부족할 수 있다.
👍