본 논문은 대규모 언어 모델(LLM)의 추론 능력이 문제 복잡도에 따라 어떻게 확장되는지 조사합니다. 무한히 확장 가능한 Tents 퍼즐을 이용하여 선형 시간 해법을 가진 문제의 크기에 따른 추론 노력의 확장성을 분석했습니다. 실험 결과, 추론 노력은 문제 크기에 비례하여 증가하지만, 특정 임계점을 넘어서면 더 이상 증가하지 않고 오히려 감소할 수 있음을 보였습니다. 이는 문제 복잡도가 증가함에 따라 현재 LLM의 논리적 일관성에 심각한 한계가 있음을 강조하며, 추론 확장성을 개선하기 위한 전략의 필요성을 보여줍니다. 또한, 점점 더 복잡한 논리 퍼즐에 직면했을 때 최첨단 추론 모델 간의 성능 차이가 상당함을 밝혔습니다.
