본 논문은 희소하고 정보 밀도가 낮은 데이터와 제한된 모바일/엣지 환경에서 범용 대규모 언어 모델(LLM)의 적용을 어렵게 만드는 통신 분야와 같은 특정 분야에 LLM을 적응시키기 위한 새로운 데이터 큐레이션 프레임워크인 Data Trajectory Alignment (DTA)를 제안한다. DTA는 두 단계로 구성되며, 최종 답변뿐만 아니라 해결 과정 자체를 일차적인 감독 정보로 활용한다. 초기화 단계에서는 강력한 교사 모델 앙상블을 사용하여 다양한 후보를 생성하고, DTA 단계에서는 교사 모델의 솔루션을 대상 학생 모델의 귀납적 편향에 맞춰 중간 단계를 재작성하고, 동의 확인 및 반성을 기반으로 하는 예시 선택을 수행한다. 통신 수학 문제에 적용한 결과, DTA는 "사고" 모드를 활성화하지 않고도 TELEMATH에서 최고 수준의 정확도를 달성했으며, 효율성 측면에서도 우수한 성능을 보였다.
