속보01 / AI
AI 추론을 그래프로 바꿔 정답 예측 성능 개선
연구진은 초기 계획과 종합 단계의 의존 관계에서 정답·오답 추론의 차이를 분석했다.

CoT2Graph가 정답 예측 성능을 최대 2.5% 높였다고 연구진은 기존 트리 방식과 비교해 발표했다. 11월 17일 arXiv에 공개한 논문의 연구진 공개 수치이다.
논문 초록은 CoT2Graph가 추론 단계 사이의 의존 관계를 방향성 그래프로 표현한다고 설명했다. 되돌아가기와 분기, 하위 과제의 병합을 담은 구조이다.
연구진은 연결 구조를 학습하는 그래프 신경망과 판단 근거를 설명하는 기법으로 추론 구조를 분석했다고 밝혔다. 정답 추론에서는 초기 계획의 중요성이 더 높았다고 설명했다.
연구진은 오답 추론이 종합 단계의 과부하 및 의존 관계 위반과 연관됐다고 밝혔다.
초록에 적힌 비교 대상은 추론의 트리 구조를 쓰는 기존 방식과 추론 길이만 보는 기준이다. 길이 기준과 비교한 정답 예측 성능은 연구진 공개 수치로 7.8% 높은 결과이다.
논문 초록은 비교에 사용한 모델별 성능 수치를 공개하지 않았다.