← 아카이브

2026년 8월 17일 (월)

1. arXivLabs 프레임워크와 가치

   arXivLabs는 협업자가 arXiv 웹사이트에서 새 기능을 직접 개발·공유할 수 있는 프레임워크다. 개인과 조직은 개방성, 커뮤니티, 우수성, 사용자 데이터 프라이버시라는 가치에 동의해야 한다. arXiv는 이러한 가치에 전념하며 해당 가치를 준수하는 파트너와만 협력한다고 명시한다. arXivLabs에 기여할 프로젝트 아이디어를 환영한다.

   arxiv.org

2. K–5로 제한한 LittleLearner 연구

   이 연구는 LittleCurriculum이라 불리는 FineWeb-Edu에서 추출·필터링한 88B토큰(미국 K–5 교육과정)에 맞춰 학습한 LittleLearner 모델군(0.6B/1.3B/5B)과 동일 아키텍처의 Unfiltered 대조군을 비교했다. 스케일링, SFT+GRPO(수학 특화 후학습), 및 인컨텍스트 학습은 K–5 범위 내 성능을 증폭했지만 K–5 범위를 벗어난 능력은 의미 있게 개선하지 못했다. GRPO는 K–5 능력을 크게 향상시켰으나 beyond-K–5 능력 회복에는 실패했고, 테스트한 프롬프트로도 5B 모델의 beyond-K–5 추론은 열리지 않았다. 저자들은 보상 기반 발견, 경계 근처 행동 관찰, 인간-모델 비교 등 후속 실험 방향을 제시한다.

   littlelearner-ll.github.io

3. MathCode: Lean 4 수학 정형화 도구

   MathCode는 자연어 수학 문제를 Lean 4 정리로 자동 변환하고 증명을 시도하는 터미널 AI 코딩 어시스턴트이자 수학 정형화 엔진이다. 영구적인 Lean REPL, 재사용 가능한 정리·공리 라이브러리, 에이전트형 증명, Obsidian 지식 그래프 등을 제공하며 macOS (arm64) 또는 Linux (x86_64)와 codex CLI를 요구한다. setup.sh는 런타임과 Lean 툴체인을 내려받아 로컬 런처를 설치하고 산출물은 LeanFormalizations/에 저장되며 ./run webui로 브라우저 UI를 띄울 수 있다. 자동 명명·저장되는 정리, 빠른 컴파일 검사(~0.4s), leansearch.net·Loogle 검색, 병렬 서브골 분해와 다중 플래너 실행 등 AUTOLEAN 기반 파이프라인 기능을 포함한다.

   math-ai-org.github.io