본 논문은 대규모 언어 모델(LLM)의 성능 향상을 위해 프롬프트를 통해 텍스트 기반 과제 해결 경험을 제공하는 기존 연구들의 한계를 지적한다. 기존 방법들은 각 과제에 대한 경험을 수집하는 데 상당한 인적 자원 또는 시간이 필요하다는 단점이 있다. 이를 해결하기 위해, 본 논문은 LLM이 인간의 인지 능력을 모방하여 기존 소스 과제의 경험을 새롭게 접하는 타겟 과제에 자율적으로 전이하는 자율적 경험 전이 프레임워크를 제안한다. 이는 기존 방법의 높은 비용 없이 경험을 획득할 수 있게 할 뿐만 아니라, LLM의 일반화를 위한 새로운 경로를 제공한다. 13개의 데이터셋에 대한 실험 결과는 제안된 프레임워크가 LLM의 성능을 효과적으로 향상시킨다는 것을 보여주며, 각 모듈에 대한 상세한 분석도 제공한다.
