본 논문은 대규모 언어 모델의 장문 추론 과정의 해석성 문제를 해결하기 위해 문장 단위 분석에 초점을 맞춘 연구이다. 모델의 추론 과정을 이해하기 위해 세 가지 상호 보완적인 귀속(attribution) 방법을 제시한다. 첫째, 각 문장의 반사실적 중요도를 측정하는 블랙박스 기반 방법, 둘째, 문장 간 어텐션 패턴을 집계하여 "방송(broadcasting)" 문장을 식별하는 화이트박스 기반 방법, 셋째, 문장 간 논리적 연결을 측정하는 인과적 귀속 방법이다. 이를 통해 추론 과정에 과도한 영향을 미치는 "사고 앵커(thought anchors)"의 존재를 밝히고, 이러한 앵커가 주로 계획 또는 되짚어보기 문장임을 보여준다. 세 가지 방법의 결과를 시각화하는 오픈소스 도구를 제공하며, 다단계 추론 과정을 수행하는 모델에 대한 사례 연구를 통해 방법 간 일관성을 보여준다.
