본 논문은 대규모 언어 모델(LLM)을 이용한 대수적 단어 문제 해결(AWP)에 대한 연구를 다룹니다. 기존의 사고 과정(Chain-of-Thought) 기법은 LLM의 계산 오류로 인해 정확도가 떨어지는 한계를 지닙니다. 이를 해결하기 위해 본 논문은 방정식 사고 프로그램(POET)을 제안합니다. POET는 단계별 추론 생성 작업을 방정식 예측 및 코드 생성의 두 단계로 나누어 복잡한 계산을 Python 인터프리터에 위임함으로써 LLM의 계산 오류를 방지합니다. 또한, 수동으로 설계된 템플릿을 사용하여 한 단계 해결을 위한 Python 코드를 직접 생성하는 제로샷 POET를 제안합니다. 제안된 방법은 PEN 및 ALG514 데이터셋에서 각각 95.3%와 98.0%의 정확도를 달성하여 최첨단 성능(SOTA)을 기록하였고, DRAW-1K 데이터셋에서도 95.5%의 SOTA 성능을 달성했습니다.
