← starnum.com.tw

연구 논문

starnum.com.tw 가 발표하는 자미두수 AI 연구: 방법론, 벤치마크, 투명성 프레임워크

Preprint · v1.0 · April 2026

Multi-Model Cross-Validation for Zi Wei Dou Shu AI Interpretation:
A Reproducible Benchmark and Transparency Framework

Starnum Research Team  ·  starnum.com.tw  ·  2026-04-12  ·  License: CC BY 4.0

자미두수 해석에 대한 공개 문서화된 최초의 AI 벤치마크를 발표합니다. 다중 모델 교차 검증 아키텍처는 OpenAI / Anthropic / Google Gemini 거버넌스 기준 을 이용해 분석 결과를 독립적으로 검증하며, 6 차원 루브릭에서 단일 모델 기준선 대비 +6.2 점 개선을 달성했습니다. 동시에 starnum-bench 를 공개합니다: 익명화된 37 개 명반, 채점 루브릭, 평가 스크립트, 2026 년 4 월 베이스라인 결과 포함.

카테고리: cs.AI · cs.CY (Computers and Society)

starnum-bench 데이터셋 투명성 리포트 책임 있는 AI
📎 BibTeX 인용 
@techreport{starnum2026preprint,
  title     = {Multi-Model Cross-Validation for Zi Wei Dou Shu AI Interpretation:
               A Reproducible Benchmark and Transparency Framework},
  author    = {{Starnum Research Team}},
  year      = {2026},
  month     = {April},
  institution = {starnum.com.tw},
  type      = {Preprint},
  url       = {https://starnum.com.tw/papers/},
  note      = {Version 1.0. Preprint available at starnum.com.tw/papers/}
}
Benchmark 점수 — 2026 년 4 월 기준선
D1 사실성
87.3
D2 완전성
82.1
D3 해석 깊이
79.8
D4 일관성
91.2
D5 훅 품질
84.6
D6 형식 준수
96.4
종합
85.4
6 차원 루브릭
D1
사실 정확도
가중치 30%
D2
규칙 완전성
가중치 20%
D3
해석 깊이
가중치 20%
D4
내부 일관성
가중치 15%
D5
훅 품질
가중치 10%
D6
형식 준수
가중치 5%
인용 방법

starnum-bench 나 preprint 에서 설명한 방법론을 사용하신다면 위의 BibTeX 로 인용해 주세요. 데이터 귀속이 필요하면 공개 벤치마크 저장소도 인용할 수 있습니다: https://starnum.com.tw/benchmark/en