Chain of Mindset: Reasoning with Adaptive Cognitive Modes

Created by

Haebom

저자

Tianyi Jiang, Arctanx An, Hengyi Feng, Naixin Zhai, Haodong Li, Xiaomin Yu, Jiahui Liu, Hanwen Du, Shuo Zhang, Zhi Yang, Jie Huang, Yuhua Li, Yongxin Ni, Huacan Wang, Ronghao Chen

💡 개요

본 연구는 기존 LLM이 문제 해결 과정에서 단일한 사고방식을 고정적으로 적용하는 한계를 지적하며, 문제 해결의 각 단계에 따라 최적의 사고방식을 동적으로 전환하는 Chain of Mindset (CoM) 프레임워크를 제안한다. CoM은 공간적, 수렴적, 발산적, 알고리즘적 네 가지 기능적으로 이질적인 사고방식을 정의하고, 메타 에이전트가 추론 상태에 따라 최적의 사고방식을 선택하도록 한다. 이를 통해 수학, 코드 생성, 과학 QA, 공간 추론 등 여섯 가지 도전적인 벤치마크에서 최신 기술 대비 우수한 성능을 달성했다.

🔑 시사점 및 한계

•

인간의 복합적인 문제 해결 방식을 모방하여 LLM의 추론 능력을 한 단계 향상시킬 수 있는 가능성을 제시한다.

•

문제 해결 단계별 사고방식 전환 메커니즘은 LLM의 효율성과 성능을 동시에 개선할 수 있음을 보여준다.

•

네 가지 특정 사고방식으로의 분류가 모든 문제 해결 시나리오에 최적일지에 대한 추가적인 검증과 더 많은 사고방식의 탐색이 필요하다.

PDF 보기

Made with Slashpage