문제를 잘게 나누면 인공지능(AI)가 더 어려운 문제도 풀 수 있을까?
작은 문제의 답을 다음 문제에 전달하는 least-to-most 연구는 분해의 개수보다 의존 순서와 분해 자체의 정확성이 중요함을 보여 줍니다.
그림에서 무엇을 볼까요?
43명 이동 예시의 입력과 결과 표. 버스 3대, 버스비 54만 원, 식비 43만 원을 구해 총비용 97만 원을 얻는다.
LTCT 자체 예시입니다. 참가자 43명을 한 대에 20명까지 타는 버스로 옮기고, 버스 한 대의 비용은 18만 원, 참가자 한 명의 식비는 1만 원이라고 합시다. 버스 수는 43÷20=2.15를 올림한 3대입니다. 버스 비용은 3×18=54만 원이고 식비는 43만 원이므로 총비용은 97만 원입니다.
여기서 식비 43만 원은 버스 수를 몰라도 구할 수 있습니다. 반면 버스 비용 54만 원은 먼저 3대라는 답을 얻어야 합니다. 아래 표는 단계마다 필요한 입력과 출력을 적어, 문장의 나열 순서와 계산의 의존 순서를 구별합니다. 원문의 수치나 실제 모델 출력을 가져온 표가 아닙니다.
함께 확인할 점
논문은 분해 예시가 다른 분야로 쉽게 일반화되지 않는다고 명시합니다. 올바른 분해를 얻는 것 자체가 어려운 문제이며, 쉬운 하위 질문을 많이 만들었다고 원래 질문을 해결한 것은 아닙니다.
당시 모델·과제·프롬프트 조건의 결과입니다. 현재 서비스의 성능이나 사람의 교육 효과를 보장하지 않으며, 생성된 중간 답을 검증하는 증명 장치도 아닙니다.
생각해 볼 질문
버스 수를 3대에서 4대로 바꾸면 식비도 다시 계산해야 할까요?
익숙한 내용이면 논리도 더 잘 보일까?
정답을 잘 고르는 인공지능(AI)는 반례도 잘 만들까?
필요 없는 숫자 하나가 인공지능(AI)의 답을 흔들까?