본 논문은 Chain of Thought (CoT)와 같은 체인 기반 추론 방법의 한계점을 지적하며, 장거리 추론 과제에서 발생하는 인과적 착각 문제를 해결하기 위해 새로운 비체인 기반 추론 프레임워크인 Causal Significance and Consistency Enhancer (CSCE)를 제안합니다. CSCE는 인과적 중요성과 일관성을 동시에 고려하여 LLM의 손실 함수를 수정, 인과 관계를 정확히 포착하고 다양한 시나리오에서 일관된 성능을 유지하도록 설계되었습니다. 기존 CoT와 같은 다단계 연쇄 추론 방식 대신, 전체 추론 과정을 한 번에 출력하는 방식을 채택하여 추론 효율성을 향상시킵니다. 실험 결과, 제안된 방법이 추론 성공률과 속도를 모두 향상시키는 것을 보여주며, 비체인 기반 방법 또한 LLM의 추론 능력 향상에 기여할 수 있음을 시사합니다.
