연구원들은 Chain-of-Thought 추론을 종종 제한하는 의미적 오해 오류를 해결하여 대규모 언어 모델의 수학 단어 문제 해결 능력을 향상시키기 위해 설계된 DUP(Deeply Understanding the Problems)를 제안합니다.

  • DUP는 모델이 문제를 깊이 이해하고 더 나은 추론을 위해 핵심 정보를 추출하도록 장려합니다.
  • 이 방법은 10개의 다양한 추론 벤치마크에서 경쟁사들을 일관되게 능가합니다.
  • DUP는 제로샷 설정에서 GSM8K 벤치마크에서 97.1%의 새로운 최첨도 정확도를 달성했습니다.

이 접근법은 계산이나 단계 누락 오류뿐만 아니라 의미적 이해에 초점을 맞춤으로써 LLM 추론 성능을 제한하는 주요 요인을 해결합니다.