논문 브리핑
수학 교재 2,118권을 AI 교재로…TOME-Math가 살린 ‘배우는 순서’
글 · 한경모
AI에게 수학책을 읽힐 때 목차까지 가르치면 무엇이 달라질까.
10월 29일 Youqing Fang 등이 공개한 TOME-Math는 대학 수학 교재 2,118권을 약 38만 건의 증명 학습 데이터로 바꾸며 이 질문을 실험했다.
핵심은 정답 수집을 넘어, 앞에서 배운 명제가 뒤의 증명을 어떻게 떠받치는지 보존하는 데 있다. 연구 소개
책을 문제와 답으로 잘라 저장하면 검색은 편해지지만, 그 답을 이해하기 위한 선행 지식의 연결은 흐려진다.
연구진은 PDF에서 장별 구조를 복원하고 명제와 증명을 추출한 뒤, 생략된 추론을 별도 문제로 보완했다.
학생에게 완성된 풀이를 보여주는 동시에, 풀이 중간에 건너뛴 논리를 직접 설명하게 만드는 셈이다.
이 방식은 교재를 단순한 텍스트 창고에서 학습 순서를 설계하는 재료로 바꾼다.
- 데이터 구성: 29개 수학 분야의 장 순서와 출처, 명제 간 참조 관계를 함께 남겼다.
- 성능 변화: Qwen3-30B-A3B-Base의 6개 평가 단순 평균은 미세조정 후 29.17%에서 45.83%로 올랐다.
- 효과의 경계: 비교한 공개 학습 데이터 3종을 평균에서 앞섰지만, AIME 2026에서는 최고점이 아니었다.
인사이트
전문 지식의 가치는 문서 분량에만 있지 않다. TOME-Math는 개념의 선후 관계와 생략된 추론을 보존하는 데이터 설계가 AI 경쟁력의 한 축이 될 수 있음을 보여준다.
자주 묻는 질문
- 수학책 PDF를 그냥 넣으면 같은 효과가 나?
- TOME-Math는 장 순서와 명제·증명 관계를 추출하고 생략된 추론을 학습 문제로 보완한다. PDF를 그대로 입력했을 때 같은 효과가 난다는 결과는 아니다. [논문 방법](https://arxiv.org/html/2610.40394v1#S3)
- 성능이 16.7% 좋아졌다는 뜻이야?
- 상대 증가율이 아니라 6개 평가 점수의 단순 평균이 약 16.7%포인트 상승했다는 뜻이다. 모든 수학 문제의 정답률이 그만큼 오른다는 의미는 아니다. [결과 표](https://arxiv.org/html/2610.40394v1#S4)
- 이제 AI가 쓴 증명을 믿어도 돼?
- 이 연구만으로 개별 증명의 정확성을 보장할 수는 없다. 자연어 증명에 대한 LLM 평가와 형식 검증은 구분해야 한다. [평가 방법](https://arxiv.org/html/2610.40394v1#S4)
이 기사 어땠어요?
피드백을 남겨주시면 더 나은 맞춤 추천을 만듭니다.