Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Thinker: Learning to Think Fast and Slow

Created by
  • Haebom

저자

Stephen Chung, Wenyu Du, Jie Fu

개요

본 논문은 대규모 언어 모델(LLM)의 추론 능력 향상을 위해 강화 학습(RL)을 질의응답(QA) 과제에 적용하는 최근 연구에 착안하여, 심리학의 이중 과정 이론에서 영감을 받은 4단계 QA 과제(빠른 사고, 검증, 느린 사고, 요약)를 제시합니다. 이 과제는 제한된 토큰 예산 내에서 답변을 생성하는 '빠른 사고', 초기 응답을 평가하는 '검증', 더욱 신중하게 초기 응답을 개선하는 '느린 사고', 그리고 이전 단계의 개선 사항을 명확한 단계로 추출하는 '요약' 단계로 구성됩니다. Qwen2.5-1.5B와 DeepSeek-R1-Qwen-1.5B 모델을 사용한 실험 결과, 제안된 과제는 정확도를 각각 24.9%에서 27.9%, 45.9%에서 49.8%로 향상시켰으며, 특히 Qwen2.5-1.5B의 '빠른 사고' 모드만으로도 1000개 미만의 토큰을 사용하여 26.8%의 정확도를 달성하여 추론 효율성을 크게 높였습니다. 이를 통해 직관과 숙고된 추론은 별개이면서도 상호 보완적인 시스템이며, 표적화된 훈련으로 이점을 얻을 수 있음을 시사합니다.

시사점, 한계점

시사점:
이중 과정 이론 기반의 4단계 QA 과제가 LLM의 추론 능력 향상에 효과적임을 보임.
'빠른 사고' 모드를 통해 추론 효율성을 크게 향상시킬 수 있음을 확인.
직관과 숙고된 추론이 별개이면서도 상호 보완적인 시스템임을 시사.
표적화된 훈련을 통해 LLM의 추론 능력을 개선할 수 있는 가능성 제시.
한계점:
제안된 방법의 효과가 특정 LLM 모델과 데이터셋에 국한될 가능성 존재.
더욱 다양한 LLM 모델과 데이터셋에 대한 추가적인 실험이 필요.
'빠른 사고' 모드의 정확도 향상이 '느린 사고' 모드의 보완에 의존하는 정도에 대한 추가 분석 필요.
4단계 과정의 각 단계에 대한 더욱 세밀한 분석과 최적화가 필요.
👍