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.

Internal Bias in Reasoning Models leads to Overthinking

Created by
  • Haebom

저자

Renfei Dang, Shujian Huang, Jiajun Chen

개요

본 논문은 추론 모델의 과도한 사고(overthinking) 현상이 입력 텍스트에 대한 내부적 편향(internal bias)에서 기인한다는 것을 최초로 밝혔습니다. 모델은 추론 문제를 접하면 실제 추론 과정을 거치기 전에 답에 대한 예측(내부적 편향)을 형성하며, 이 예측이 추론 결과와 상충할 경우 반추(reflection) 과정을 거치게 되어 계산 자원을 낭비합니다. 해석 가능성 실험을 통해 이러한 행동이 입력 텍스트에 대한 과도한 주의력에 의해 주도되고, 이로 인해 내부적 편향이 의사 결정 과정에 과도하게 영향을 미친다는 것을 발견했습니다. 원본 입력 텍스트를 가리는 방법으로 내부적 편향의 영향을 효과적으로 완화하여 다양한 복잡한 추론 작업에서 추론 길이를 31%-53% 단축했으며, 대부분의 경우 정확도도 향상되었습니다. 이는 내부적 편향과 과도한 사고 간의 인과 관계를 보여줍니다.

시사점, 한계점

시사점:
추론 모델의 과도한 사고 현상의 원인을 내부적 편향으로 규명.
입력 텍스트 마스킹을 통해 과도한 사고 및 계산 자원 낭비 완화 가능성 제시.
정확도 향상과 함께 추론 효율성 증대 가능성 확인.
추론 모델의 해석 가능성 향상에 기여.
한계점:
본 연구에서 제시된 입력 텍스트 마스킹 기법의 일반화 가능성에 대한 추가 연구 필요.
다양한 모델 및 작업에 대한 추가 실험을 통해 범용성 검증 필요.
내부적 편향의 정량적 측정 및 평가 방법에 대한 추가 연구 필요.
👍