본 논문은 그래프 신경망(GNN) 및 대규모 언어 모델(LLM)에서 알고리즘적 추론 능력을 향상시키기 위한 새로운 아키텍처인 "branching neural networks"를 제안합니다. 특히, 여러 알고리즘적 추론 작업을 동시에 수행할 수 있도록 설계되었으며, 이를 위해 AutoBRANE이라는 효율적인 알고리즘을 개발했습니다. AutoBRANE은 그래디언트 기반의 유사도 점수를 사용하여 작업을 클러스터링하고, 최적의 태스크 분할을 근사하기 위해 각 레이어에서 볼록 완화를 해결하여 탐색 시간을 줄입니다. 다양한 GNN 및 LLM 기반의 그래프 알고리즘 및 텍스트 기반 추론 벤치마크에 대한 실험을 통해 AutoBRANE의 성능을 검증했습니다.
