획기적인 AI 수학 자동 채점 시스템 등장: 단계별 오류 분석으로 학습 효과 극대화

중국과학원 연구팀이 개발한 StepAMC는 강화학습 기반 AI 시스템으로, 학생들의 수학 풀이 과정을 단계별로 분석하고 상세한 피드백을 제공합니다. 11개의 기존 모델들을 능가하는 성능을 보였으며, 개인 맞춤형 학습 시스템 개발에 기여할 것으로 기대됩니다.

AI 기술이 교육 현장에 혁신을 불러일으키고 있습니다. 중국과학원의 Junsong Li 박사 연구팀은 최근 단계별 수학 오류 자동 수정 시스템인 StepAMC를 개발하여 학계의 주목을 받고 있습니다. 기존의 AI 수학 채점 시스템이 단순히 최종 답안만을 평가했다면, StepAMC는 학생들의 풀이 과정을 단계별로 분석하여 상세한 피드백을 제공합니다. 이는 단순히 정답/오답 여부를 넘어, 학생들의 사고 과정을 이해하고 개선 방향을 제시하는 획기적인 시스템입니다.

StepAMC는 강화 학습(Reinforcement Learning, RL)을 기반으로 대규모 언어 모델(LLM)을 훈련시켜 개발되었습니다. 연구팀은 수학 문제 풀이 과정을 텍스트 분류 작업으로 변환하여 RL 문제로 설정, LLM의 추론 능력을 향상시켰습니다. 특히, 공간 제약 정책 네트워크(space-constrained policy network) 를 설계하여 RL의 안정성을 높였으며, 정교한 보상 네트워크(fine-grained reward network) 를 통해 이진 형태의 인간 피드백을 연속적인 값으로 변환하여 모델 학습의 효율성을 높였습니다.

두 개의 벤치마크 데이터셋을 이용한 실험 결과, StepAMC는 기존의 11개 최첨단 모델들을 능가하는 성능을 보였습니다. 이는 StepAMC가 단계별 수학 오류 분석 및 피드백 제공에 있어 탁월한 성능을 가짐을 입증합니다.

이 연구는 단순히 채점 도구를 넘어, 학생들의 수학적 사고 과정을 이해하고 개선하는 데 도움을 주는 AI 기반 교육 시스템의 새로운 지평을 열었습니다. 향후 StepAMC는 개인별 맞춤형 학습 시스템 개발에 중요한 역할을 할 것으로 기대되며, 교육의 효율성과 질적 향상에 크게 기여할 것으로 예상됩니다.

연구팀: Junsong Li, Jie Zhou, Yutao Yang, Bihao Zhan, Qianjun Pan, Yuyang Ding, Qin Chen, Jiang Bo, Xin Lin, Liang He