Semester-scale reasoning
for exam prediction
Scroll to explore
Evidence
/ Phase-by-phase implementation snapshot
01
ReadyPhase 1: Textbook Knowledge Base
OCR + structure chunking + pgvector/halfvec
02
ReadyPhase 2: Audio Signal Extraction
강조/반복/시험언급 신호 추출
03
RunningPhase 3-4: Retrieval + Global Reasoning
Hybrid RRF 검색 + 통합 리포트 생성
Pipeline
/ Why Thunder is different
01
Global Context Reasoning
한 학기 전체 맥락을 유지한 통합 추론으로 단편 요약 한계를 넘어섭니다.
02
Hybrid Retrieval (RRF)
벡터 + 키워드 검색 결합으로 근거 Recall을 높이고 근거 없는 응답을 줄입니다.
03
Copyright-Safe Output
원문 재출력 없이 citation 위치 정보 중심으로 학습 행동을 안내합니다.
04
Cost Optimized Architecture
경량 모델 + 단계형 추론 설계로 고품질을 저비용으로 유지합니다.
Building exam
intelligence
with evidence
Project Thunder는 강의 오디오 신호와 교재 근거를 결합해 시험 대비 우선순위를 자동 생성하는 학습 보조 엔진입니다.
목적은 문제 생성이 아니라 어떤 단원/문제를 먼저 봐야 하는지 근거 기반으로 안내하는 것입니다.
45h
Lecture Audio
per semester scale
1200p
Textbook Coverage
OCR + chunked knowledge
4
Connected Phases
ingest → signal → retrieval → reasoning
Deploy
Thunder
/ Start with your own lecture set