본 논문은 대규모 언어 모델(LLM)의 논리적 추론 능력을 향상시키기 위한 새로운 프레임워크인 Logic Distillation (LD)를 제안합니다. LD는 L-LLM(대규모 LLM)의 기능을 S-LLM(소규모 LLM)에 전달하기 위해 설계되었으며, 특히 논리적 추론이 필요한 계획 및 의사 결정 작업에 초점을 맞춥니다. LD는 L-LLM을 사용하여 복잡한 지침을 이산 함수로 변환하고, 이를 기반으로 S-LLM을 미세 조정하여 L-LLM의 논리를 학습합니다. 테스트 단계에서는 리트리버를 사용하여 관련 함수를 식별하고, S-LLM이 이를 선택 및 호출하여 계획 및 의사 결정 결과를 생성합니다. 실험 결과, LD를 사용한 S-LLM은 L-LLM과 유사하거나 더 나은 성능을 달성했습니다.
