본 논문은 대규모 언어 모델(LLM)의 추론 능력 향상을 위한 체계적인 프레임워크를 제시한다. LLM의 계산을 검색 기반으로 해석하여, 점진적이고 순차적인(GIS) 방식으로 검색 공간을 탐색하는 다중 에이전트 파이프라인 구축을 제안한다. 이를 위해, 자기 비판, 적대적 스트레스 테스트, 핵심 피드백 통합을 포함하는 반복적인 과정인 재귀적 정제(RR)를 GIS 검색 구현 방법으로 실험했다. 세 명의 미국 건국의 아버지(Hamilton, Jefferson, Madison)의 역사적 페르소나를 반영한 다중 에이전트 모델을 사용하여, 현대 정치 문제에 대한 답변을 생성하도록 했다. 복잡한 구조의 모델이 단순한 모델보다 일관되게 우수한 성능을 보였으며, 분석 깊이, 구조적 뉘앙스, 전략적 프레이밍 측면에서 우위를 점했다.
