본 논문은 해석 가능한 수학 문제 풀이에서 대규모 언어 모델(LLM)의 오류를 감지하고 수정하는 방법인 EDCIM(Error Detection and Correction for Interpretable Mathematics)을 제안합니다. LLM이 문제에 대한 방정식 시스템을 생성하고, 이후 기호 오류 감지 프레임워크를 통해 오류를 식별하고 LLM 기반 수정을 위한 목표 지향적 피드백을 제공하는 방식입니다. 비용 효율을 위해 경량 오픈소스 LLM과 강력한 독점 모델을 통합하여 단일 하이퍼파라미터로 비용과 정확도 간의 균형을 제어할 수 있도록 설계되었습니다. 다양한 데이터셋에 대한 실험 결과, EDCIM은 적절한 설정 하에 계산 및 재정적 비용을 크게 줄이면서 예측 정확도를 유지하거나 향상시키는 것으로 나타났습니다.
