정답보다 먼저 구조를 확인하는 세 가지 방법

점·선·기호를 관계로 바꾼 뒤 추론한다

다이·카브랄·쇼우 등은 평면기하 문제에서 순수 언어 모델에 기하 전용 시각 파서와 기호적 풀이기를 붙였습니다. 질문은 거대한 다중양식 모델이 아니더라도, 그림을 정확한 기호 구조로 바꾸고 검증된 사실을 공급하면 복잡한 기하 추론에 경쟁력이 생기는가였습니다.[1]

파서는 선분·원·각과 글자·직각 표시를 검출하고, 기호를 가장 가까운 대상에 붙이되 종류가 맞는 경우만 허용합니다. 예컨대 각도 수치는 각이나 호에만, 수직 표시는 선의 직교 관계에만 연결합니다. 이어 공선성·공원성·각의 위치 같은 암묵 관계를 정리하고, 문제 문장과 그림이 어긋나지 않는지 정렬합니다.[1]

그 다음 정리 모듈이 문자 관계를 확장하고, 적용 가능한 정리를 골라 새 사실을 만들며, 문제와 관련된 결과만 언어 모델에 제공합니다. 2025년 중국 중등시험에서 선별한 277문항의 세 난도 집합에서, 단일 실행 정확도는 L1 92.13%, L2 74.30%였습니다. L3의 암묵 관계 분석 105문항에서는 모든 관계를 맞힌 문항 수가 81개로, 비교한 Qwen-VL-2.5-72B의 23개보다 많았습니다.[1]

다만 동료심사를 거친 논문이 아닌 첫 공개 원고이고, 평가 자료가 한 국가의 중등 기하 시험에 한정됩니다. 최근 문항이라 사전학습 오염 가능성이 낮다는 주장은 합리적인 추정이지 완전한 보장은 아닙니다. 저자들이 사용한 공식 시험 문항의 재사용 권한도 논문의 CC BY 4.0과 별개입니다.[1]

Visual Logic에는 이 구조를 ‘그림 요소 → 관계 데이터 → 규칙으로 얻은 사실 → 해설’의 네 칸으로 적용할 수 있습니다. 정답만 저장하지 말고 점·선·표지의 ID와 그 표지가 붙는 대상을 저장하면, 화살표나 각도 표시가 엉뚱한 곳에 연결된 오류를 먼저 찾을 수 있습니다.

Diagram-MMU가 여러 다이어그램의 읽기·수정·복원을 폭넓게 다루었다면, 이번 연구는 기하에서 어떤 기호가 어떤 대상에 붙을 수 있는지와 정리 검증을 구체화합니다. RIG-Bench의 생성 그림 평가와도 겹치지만, 여기서는 새 그림 생성보다 입력 그림을 형식 관계로 고정하는 단계만 가져오는 것이 좋습니다.

주장·전제와 대상·사건을 한 화면에 표시한다

라 카바·모네아·그레코는 정치 토론에서 주장이나 전제의 범위만 찾아서는 의미를 충분히 해석하기 어렵다고 보았습니다. ‘누가 무엇을 두고 주장하는가’를 함께 읽기 위해, 논증 역할과 인물·직책·기관·정당·장소·사건·날짜·법률의 범위를 한 번에 표시하는 JAET를 제안했습니다. 이 논문은 EMNLP 2026 Findings 채택본입니다.[2]

연구진은 미국 대선 토론 44개의 기존 논증 표지에 토론 관련 개체 층을 더해 DNE-ElecDeb를 만들었습니다. 전체 8,353개 발언 턴에 주장 17,289개, 전제 14,230개, 개체 39,281개가 표시되었습니다. 세 개의 7~8B 공개 가중치 모델을 한 발언 단위로 미세조정해, 원문을 보존하며 두 종류의 태그를 동시에 삽입하게 했습니다.[2]

Mistral 기반 비교에서 동시 표시는 가장 강한 순차 처리보다 공동 과제의 비유형 F1이 0.506에서 0.644로, 유형 F1이 0.327에서 0.464로 높았습니다. 논문이 제시한 +27.3%, +41.9%는 상대 향상률입니다. 별도의 Persuasive Essays 자료에서도 비슷한 상대 향상을 보고했습니다.[2]

자료는 영어 미국 정치 토론에 치우쳐 있고, 한 발언씩 처리해 발언 사이의 대명사·상호참조를 충분히 다루지 못합니다. 개체 표지는 LLM 보조 후 사람이 검수했으며 전면 인간 주석은 아닙니다. 저자 저장소는 공개되었지만 arXiv 원고는 비독점 배포 라이선스이고, 원 토론문과 파생 데이터의 권리는 각각 확인해야 합니다.[2][3]

국어·영어·철학 논술에서는 문장을 ‘주장/전제’만으로 색칠한 뒤, 각 문장이 가리키는 사람·집단·제도·사건을 두 번째 층으로 연결해 볼 수 있습니다. 같은 낱말이 되풀이되어도 지시 대상이 바뀌는 ‘대상 이동’과, 대명사가 누구를 가리키는지 불분명한 문장을 찾는 활동이 됩니다.

UZH 과제가 문단 사이 지지·모순·수정·보완을 복원했다면, 이번 연구는 각 논증 조각 안의 대상을 고정합니다. CaRGo-T와는 사물·사건을 그래프로 만든다는 점이 겹치므로, 이번 적용에서는 이미지 인과가 아니라 텍스트의 지시 대상과 논증 역할을 결합하는 데 한정합니다.

합의는 완료 신호가 아닐 수 있다

모·자오·겅은 진행 중인 하나의 추론을 일정 간격으로 물어 현재 답을 뽑고, 같은 답이 반복되면 계산을 멈추는 ‘자기 합의’ 규칙이 안전한지 물었습니다. 두 모델·세 수학 벤치마크의 고정된 풀이 궤적에서 사전 등록한 3,520개 규칙을 시험하고, 보류 집합과 처음 보지 않은 두 모델에서도 경향을 확인했습니다.[4]

세 개의 안전·절약 기준을 모두 통과한 자기 합의 규칙은 없었습니다. 토큰을 32% 절약하는 설정에서는 정지 9번 중 약 1번이 모델이 뒤에서 버릴 답을 확정했고, 그런 216건 가운데 155건은 뒤이어 일어날 정정을 잘라 냈습니다. 긴 합의 창을 쓰면 비종결 정지는 약 7%에서 더 줄지 않았고 절약은 8%까지 떨어졌습니다.[4]

핵심은 여러 독립 풀이가 같은 답에 도달한 것과, 하나의 풀이를 여러 시점에서 되물은 것을 구별하는 데 있습니다. 후자는 대부분의 추론 역사를 공유하므로 세 번 같은 답이 나와도 세 개의 독립 근거가 아닙니다. 경계 지점의 자신감을 쓰는 대조 방법 DEER는 같은 평가 틀의 세 기준을 통과했지만, 저자들은 그것이 최선이라고 주장하지 않습니다.[4]

이 결과는 정해진 답 추출 문구와 규칙군에 대한 부정적 결과입니다. 다른 모든 종료 신호가 실패한다는 증명은 아니며, 오류 유형 분석도 짧은 합의 창의 한 환경에서 얻었습니다. 원고는 CC BY 4.0이지만 코드와 자료는 ‘출판 시 공개’ 예정으로 현재 재현 자료 이용 가능성을 따로 확인해야 합니다.[4][5]

LTCT의 AI 문항 검수에서 같은 모델이 같은 답을 세 번 냈다는 사실은 통과 조건이 될 수 없습니다. 서로 다른 풀이 경로, 실행 가능한 정답 트레이스, 반례 탐색 가운데 적어도 하나를 독립 검증으로 두어야 합니다. 학생에게도 ‘세 번 말함’과 ‘세 이유가 있음’을 구별하게 할 수 있습니다.

지난주의 ‘AI 심사자는 최종 판정자가 아니다’가 평가자 권한과 정답 누출을 다뤘다면, 이번 연구는 한 추론을 너무 일찍 끝내는 신호를 다룹니다. 두 자료를 합치되 하나를 재발행하지 않으려면, 제작 규정의 다른 항목—심사 격리와 추론 종료—으로 분리해 기록하면 됩니다.

문장 하나를 두 층으로 그리고, 결론을 끝까지 검증한다

다음 사례는 세 연구에서 가져온 문장이나 그림이 아니라 수업용으로 새로 만든 것입니다. ‘학생회는 방과후 자습실을 늘려야 한다. 신청자가 대기 중이기 때문이다.’ 첫 문장을 주장, 둘째 문장을 전제로 표시합니다. 이어 학생회·자습실·신청자를 대상 노드로 빼고, 각 문장이 누구와 무엇을 가리키는지 잇습니다.

그 다음 ‘대기자가 있다는 사실만으로 증설이 반드시 필요한가’를 묻습니다. 좌석 회전율, 다른 공간, 대기 시간처럼 결론을 바꿀 수 있는 조건을 찾고, 새로운 자료가 들어올 때까지 처음 답을 보류하거나 수정하게 합니다. 이때 같은 주장을 세 번 반복하는 것은 세 근거가 아님을 명시합니다.

3급에서는 표시와 선의 종류를 읽게 하고, 2급에서는 대상 이동과 숨은 전제를 찾게 하며, 1급에서는 반례·추가 자료·독립 근거를 요구할 수 있습니다. 올빼미 서재에는 ‘한 문장 두 겹 읽기’ 활동으로, 논술연구소에는 초고의 지시 대상과 논증 역할을 함께 점검하는 첨삭표로 옮길 수 있습니다.

이번 주 반영 범위

바로 채택할 것은 세 가지입니다. 모든 시각 문항에 기호와 대상의 호환성 검사를 두고, 논술 분석에는 주장·전제와 지시 대상의 두 층을 저장하며, AI 검수에서는 답 반복을 완료 신호로 쓰지 않습니다.

보류할 것도 분명합니다. 중국 중등시험 문항은 권리를 확인하지 않은 채 문제은행에 옮기지 않습니다. 미국 정치 토론의 개체 범주를 한국어 논술에 그대로 적용하지 않습니다. DEER의 수치만 보고 자체 시스템의 안전성을 추정하지 않습니다. 각 아이디어는 연구소가 만든 독자 자료에서 다시 시험해야 합니다.

세 논문 모두 원문 전체를 확인해 방법·결과·한계까지 읽었습니다. 그러나 두 편은 첫 공개 프리프린트이며, JAET만 EMNLP 2026 Findings 채택 상태입니다. 이후 개정본·정식 출판·재현 자료가 나오면 수치와 한계를 다시 대조해야 합니다.