본 논문은 인간의 작업 해결 과정에서 발생하는 불일치(misalignment)를 이해하고, 이를 통해 인간 추론을 모방하도록 훈련된 AI 모델을 향상시키는 데 초점을 맞추고 있다. 인간 작업 과정의 불일치를 의도 표현 기능 부족, 비효율적인 행동 순서, 작업 해결 불가능한 잘못된 의도의 세 가지 유형으로 분류하고, 이러한 불일치를 통합된 프레임워크 내에서 공식화 및 정의한다. ARCTraj 궤적에서 불일치를 감지하고 계층적 및 정량적으로 분석하는 휴리스틱 알고리즘을 제안하며, 사용자 행동과 의도 간의 누락된 정렬을 추론하는 의도 추정 방법을 제시한다. 실험을 통해 궤적 정렬이 인간 작업 해결 궤적을 기반으로 훈련된 AI 모델의 인간 추론 모방 성능을 향상시킨다는 것을 보여주고, 계층적 분석과 실험을 바탕으로 궤적-의도 정렬의 중요성과 의도 정렬 훈련의 효과를 강조한다.
