본 논문은 인간의 작업 해결 과정에서 발생하는 불일치(misalignment)를 이해하고, 이를 바탕으로 인간 추론을 모방하도록 훈련된 AI 모델을 개선하는 것을 목표로 한다. 인간 작업 해결 과정의 불일치를 ① 의도를 표현하는 기능의 부족, ② 비효율적인 행동 순서, ③ 작업 해결에 실패하는 잘못된 의도의 세 가지 유형으로 분류하고, 각 유형을 공식화하고 정의한다. O2ARC 경로(trajectories)에서 이러한 불일치를 탐지하기 위한 휴리스틱 알고리즘을 제안하고, 계층적이고 정량적인 분석을 수행한다. 또한, 공식화된 프레임워크를 활용하여 사용자 행동과 추론된 의도 간의 누락된 정렬 정보를 예측하는 의도 추정 알고리즘을 소개한다. 실험을 통해 경로 정렬(trajectory alignment)이 인간 추론을 모방하는 AI 모델의 성능 향상에 기여함을 보여주고, 경로-의도 정렬의 중요성과 의도 학습의 잠재력을 강조한다.
