[일반] AI는 왜이렇게 코딩을 잘하고 수학을 못함?

[익명(106.102)]

FKMO급 문제 물어본거 잘풀어서 의외였는데, 오히려 KMO 1차 문제 풀면 헛다리 짚고 이상한데서 걍 틀림

반면 코딩은 학부수준 어려운 자료구조, 알고리즘 문제 내줘도 엄청 잘 짬. 물론 더 어려운 수준은 모르겠는데 코딩은 거의 안틀리고 틀리더라도 다시 물어보면 정신차리는게 많더라

왜이렇게 차이가 나는거?

코딩도 아이디어가 필요하고

충분히 엄밀하지 않으면 아예 컴파일 자체가 안되니까 쉽게 검증이 가능한데

왜 수학은 헛소리 싸는거임?

그리고 wolframalpha 플러그인 결합시키면 수학적으로 헛소리하는거 막을 수 있다는데 이거 진짜임?

[익명(223.39)]

아마 추측이지만 아이디어를 떠올리는 것보다 이미 구현된 알고리즘을 베껴서 쓰니까 그런 거 아닐까 나도 인터넷 검색 허용하면 백준 루비 문제 풀 수 있음

[익명(223.39)]

다만 인터넷에 솔루션이 없는 개씹 애드혹 문제는 ai도 풀기 어려워하지 않을까 싶음

[익명(45.87)]

코딩이 질문하기 쉽잖아

[익명(211.235)]

걍 프로그래머들이 많이 써서 그런거 아닐까

[수갤러 1(14.50)]

수학도 학부 내용 물으면 대답 잘하는데 전형적이니까

[수갤러 2(211.234)]

어느 수준을 얘기하는진 모르겠지만, 수학자들이 어떻게 사고하는지에 대한 데이터가 부족한게 이유라고 테렌스 타오가 어느 인터뷰에서 말했던듯

[뉴뉴뉴(uncle1384)]

인터넷에 비슷한 답 있으면 잘 푸는데 없으면 존나 못품. 3.9랑 3.11 크기 비교도 못함 ㅋㅋ

[익명(210.205)]

코딩 대체가 더 돈이 되니까.

[Oo(175.208)]

코딩은 규칙에 따라 데이터가 정리되어 작성되어 있고, 게다가 그 규칙에 코멘트도 달아둠. 게다가 그런 양질의 데이타가 엄청나게 많지. 수학논문도 일정 규칙에 따라 코딩처럼 작성되어 있다면 llm이 잡아 먹기 훨씬 더 쉬울거야. 그래서 lean 같은 거 하는 사람들이 논문 정형화하는 거 노력 많이 하지. 우리나라에서도 하려는 교수 있기도 하고.

[Oo(175.208)]

그런데 결국 데이타가 많으냐 베껴 올게 많으냐의 문제 같음. TeX 문서도 엄청나게 많아서 어지간한 건 llm이 잘 작성해 주거든. 그런데 예를 들어 한글 사용이나 잘 사용치 않는 class 패키지 관련 질문엔 엄청 헤맨다. 딴소리만 하고 자꾸 틀리고. 내 느낌은 llm이 뭔가 장형화되고 데이타 많으면 잘 연결되는 단어들 쌓아서 그럴듯한 답은 잘 만드는데

[Oo(175.208)]

데이타 별로 없는 경우엔 완전 엉터리다. 베껴올 게 없는데 말은 자꾸 해야하니까 딴소리만 잔뜩 늘어놓더라고. 연구하는 새부 부분 물어보면 똑같이 이상해지거든 잘 알려진 내용들은 청산유수인데 말이지.

[수갤러 3(121.184)]

kmo 문제가 학부 내용보다 더 어려울 수도 있지 않나요.. 다 그런 건 아니겠지만

[익명(211.234)]

학부 수준에서 다루는 레벨의 자구 알고는 현업에서 쓸만큼 최적화 된 레벨까지 사람들이 짜둔걸 github 같은걸로 다 소스코드를 공유하니까 그거 긁어다 쓰면 되서 잘푸는게 자연스럽지

[익명(211.234)]

게다가 git이라는게 코드의 변화도 다 기록을 해놓으니까 그걸로 사람들이 어떻게 사고하나 참고가 가능할거고