본 연구는 장황한 사고연쇄(CoT)에서 계산 중복 및 지연된 보상 할당으로 인한 컴퓨팅 자원 비용 및 소모를 줄이기 위해 적응형 추론 시간 및 단계를 갖는 동적 사고연쇄(D-CoT)를 제안합니다. Python 3.13 IDLE과 GPT 기반 Python 시뮬레이터를 결합하여 D-CoT 통합을 시뮬레이션 실험을 통해 구현했습니다. MIT OpenCourseWare의 선형대수 시험 문제를 사용하여 DeepSeek R1을 대조군으로 하여 D-CoT 시뮬레이터의 성능을 테스트하고 비교했습니다. 실험 결과, D-CoT는 추론 시간, CoT 길이(추론 단계), 토큰 수 세 가지 지표에서 장황한 CoT 기반 DeepSeek R1보다 우수하며, 컴퓨팅 자원 소모량을 상당히 줄였음을 보여줍니다. 또한, 본 연구는 미래의 동적 심층 추론 프레임워크에 대한 참고 자료로 사용되는 심층 추론 최적화에 잠재적 가치를 지닙니다.
