대규모 언어 모델(LLM)의 복잡한 추론 능력이 실제 응용 분야에서 병목 현상으로 작용한다는 문제 인식을 바탕으로, MGRS(Multi-chain Graph Refinement & Selection)라는 새로운 추론 프레임워크를 제안합니다. MGRS는 다양한 추론 궤적을 생성하고, 자체 및 교차 검증 전략을 사용하여 후보 응답을 개선하며, 추론 관계 그래프를 구성하여 중간 노드의 성공률을 추정하고, 최종적으로 누적 성공률을 계산하여 가장 신뢰할 수 있는 답변과 해당 추론 궤적을 선택합니다. 실험 결과는 MGRS가 기존 방법론보다 추론 능력과 계산 효율성을 모두 향상시켰음을 보여줍니다. 특히, 24-point 게임에서 100% 정확도를 달성하고, Forest of Thoughts 프레임워크 대비 13.6배의 속도 향상을 보였습니다.
