본 논문은 자동 프로그램 수리(APR) 분야에서 대규모 언어 모델(LLM)과 사고연쇄(CoT) 기법의 활용을 연구합니다. 기존 CoT 기법의 APR 적용 한계를 지적하며, LLM의 추론 능력을 트리 탐색과 통합한 혁신적인 프레임워크인 $T^3$을 제안합니다. $T^3$은 후보 수리 솔루션 생성의 정확도를 향상시키고, APR 작업에서 표본 선택 및 수리 전략 최적화에 대한 유용한 지침을 제공하여 효율적인 자동 디버깅을 위한 강력한 프레임워크를 구축합니다.