PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2609.25056v1cs.CL

피드백 기반 단어 추론을 위한 그래프 기반 추론: 조토(Jotto) 문제를 위한 확장 가능한 프레임워크

Graph-Based Inference for Feedback-Driven Word Deduction: A Scalable Framework for the Jotto Problem

조토(Jotto) 문제를 기반으로 한 피드백 기반 단어 추론(word deduction) 프레임워크가 제안되며, 문제 공간은 모든 유효한 단어가 노드에 해당하고 에지 가중치가 두 단어 간의 공통 글자 수로 정의되는 가중치 그래프로 표현된다. 마지막으로, 게임플레이는 피드백을 사용하여 그래프의 비호환 공간을 반복적으로 좁혀 나가는 반복적 제약 조건 전파 메커니즘으로 정의되며, 구조화되고 해석 가능한 방식으로 가설 공간의 축소를 용이하게 한다. 문제 공간이 통상적으로 고정된 길이의 이소그램(isogram)에 대해 정의되던 기존 접근법과 달리, 제안된 프레임워크는 가변 길이 단어(3글자에서 8글자 사이)로 일반화되고 글자가 반복되는 경우로 자연스럽게 확장되어, 현실적인 조토 문제 사례들을 최초로 단일화된 프레임워크 내에서 다룰 수 있게 한다. 또한 제안된 프레임워크의 적용 가능성과 솔버 동역학은 각각 대화형 구현과 정성적 사례 연구를 통해 논의된다. 약 3,000건의 시뮬레이션 게임플레이 시나리오에 대한 대규모 자동화 테스트를 통해 단어 길이가 길어질수록 기대 반복 횟수가 감소한다는 새로운 수렴 행동을 규명한다. 통계적 검정을 통해 로그 관계를 검증하는 강력한 상관관계를 확인하며, 이는 회귀 모델링과 적합도 검정을 통해서도 검증된다. 초기 문제 정의 외에도, 본 정식화는 해석 가능성을 갖춘 피드백 기반 추론(inference)을 위한 유효한 패러다임으로서의 그래프 가지치기(pruning)와, 이것이 기호 추론 및 대화형 지능형 시스템과 맺는 연관성을 제시한다.

arXiv:2607.23055v1cs.AI

SymStep: 논리적 추론을 위한 기호적 단계 검증

SymStep: Symbolic Step Verification for Logical Reasoning

사고의 연쇄(CoT) 프롬프팅은 제약이 밀집한 논리적 추론 작업에서 심각하게 실패할 수 있으며, 이때 검증되지 않은 오류가 단계마다 조용히 누적된다. 본 논문은 SymStep을 제안한다. LLM이 한 번에 하나의 원자적 주장을 생성하고(DEDUCE: Alice, pet, Cat), 이어서 경량 제약 전파기(constraint propagator)가 해당 주장이 이전에 수용된 추론과 일관되는지 검사하고, 모순을 거부하며, 함의된 사실을 자동으로 연쇄 전파한다. SymStep+G는 추가로 각 수용된 단계 이후 MRV(minimum remaining values) 안내를 제공하여 LLM을 가장 제약이 많은 미해결 변수 쪽으로 이끈다. 1,000개의 아인슈타인식 논리 퍼즐 벤치마크인 ZebraLogicBench의 35개 퍼즐 보존 부분집합에서 Direct와 CoT는 모두 0%를 달성한 반면 SymStep+G는 97%에 도달한다. AR-LSAT 분석적 추론 문제에서 SymStep은 100%를 달성하며 CoT의 87%를 상회한다. LGP-14에서 SymStep+G는 100%를 달성하고, 비교 대상인 가장 강력한 기존 기호+LLM 기준선인 Logic-LM과 CoT의 0%를 상회한다. Ablation 연구는 MRV 안내가 방향 없는 순환을 줄이는 핵심 메커니즘이며, 일관성 검사가 명시적 모순에 대한 안전망을 제공함을 보여준다. 5개 작업 도메인에 걸친 6개 벤치마크 전반에서 SymStep 변형들은 제약이 밀집한 작업과 산술 작업에서 모든 기준선과 동등하거나 그 이상의 성능을 보인다. AQUA-RAT 대수 실험은 이러한 이점이 제약 밀도에 특화되어 있음을 확인한다.