본 논문은 Chain-of-Thought (CoT) 추론을 사용하는 대규모 언어 모델(LLM)의 성능 평가 방법을 제시합니다. 기존의 CoT 평가 기법들은 주석이 달린 CoT 데이터를 필요로 하거나 중간 추론 단계를 정확하게 평가하지 못하는 한계가 있었는데, 이 논문에서는 정보이론적 관점에서 LLM의 CoT 추론을 공식화하여 각 추론 단계의 정보 이득을 정량화합니다. 비싼 주석 데이터 없이도 LLM의 실패 모드를 식별할 수 있으며, Toy arithmetic, GSM8K, PRM800k 데이터셋에서 기존의 결과 기반 방법보다 개별 하위 작업에 대한 모델 성능에 대한 더 정확한 통찰력을 제공함을 실험적으로 보여줍니다.