본 논문은 대규모 언어 모델(LLM)의 추론 능력 향상을 위한 새로운 강화학습(RL) 알고리즘인 DGRO(Decoupled Group Reward Optimization)를 제안합니다. 기존의 수작업 기반 보상 함수의 한계를 극복하기 위해, DGRO는 탐험과 활용 간의 균형을 정밀하게 제어할 수 있도록 정규화 계수를 두 개의 독립적인 하이퍼파라미터로 분리합니다. 또한, 보상 분산이 수렴 속도와 최종 모델 성능에 미치는 영향을 분석하고, 이를 DGRO 알고리즘에 반영합니다. 이론적 분석과 광범위한 실험적 검증을 통해 DGRO의 성능과 최적화 역학을 분석하며, Logic 데이터셋에서 96.9%의 평균 정확도를 달성하는 등 우수한 성능을 보임을 확인합니다.
