논리 함수의 심볼릭 회귀를 위한 Boolformer는 Transformer 기반 모델로, 훈련 중이 아닌 복잡한 함수에 대한 간결한 공식을 예측할 수 있음을 보여줬다. 또한, 불완전하거나 잡음이 있는 관측에서도 좋은 근사 표현을 찾을 수 있는 능력을 입증했다. 이러한 능력을 실제 이진 분류 데이터셋에 적용하여 Boolformer의 해석 가능한 대안으로의 잠재력을 시범했다. 이 논문은 2025년 ICML에서 개최된 제2회 AI for Math Workshop에서 발표 및 승인됐다.

<Apple 뉴스 본문 전체읽기>