본 논문은 대규모 언어 모델(LLM)을 이용한 주장 검증에서 기존의 분해 후 검증(Decompose-Then-Verify) 방식의 오류를 해결하기 위해, 사고의 연쇄(Chain-of-Thought, CoT)를 활용한 새로운 주장 검증 방식인 CoT-Verify를 제안합니다. CoT-Verify는 복잡한 주장을 하위 주장으로 분해하지 않고, LLM의 추론 능력을 활용하여 원래 주장에 대한 검증 경로를 생성합니다. 이를 위해 감독 학습 미세 조정(SFT) 단계와 자기 개선 직접 선호도 최적화(DPO) 단계를 포함하는 Reasoning-CV라는 새로운 미세 조정 방법을 제시합니다. 8B 크기의 사전 훈련된 LLM만을 사용하여, 기존의 분해 후 검증 방식 및 GPT-4o+CoT, o1-preview 와 같은 강력한 블랙박스 LLM보다 우수한 성능을 보였습니다.
