본 논문은 자연어로 제시된 퍼즐 문제 해결이라는 인공지능 분야의 오랜 과제에 대해, 대규모 언어 모델(LLM)과 논리 프로그래밍을 결합한 새로운 프레임워크인 Logic-of-Thought(Logot)를 제안합니다. Logot은 LLM을 이용하여 퍼즐 규칙과 상태를 Answer Set Program(ASP)으로 변환하고, ASP 인터프리터를 통해 정확하고 효율적으로 해결책을 추론합니다. 이러한 하이브리드 접근 방식은 LLM의 자연어 이해 능력과 논리 프로그램의 정확한 추론 능력을 결합하여 다양한 그리드 퍼즐과 동적 퍼즐에서 거의 완벽한 정확도를 달성합니다. 소스 코드와 데이터는 공개되어 있습니다.
시사점, 한계점
•
시사점:
◦
LLM과 논리 프로그래밍의 효과적인 결합을 통해 복잡한 퍼즐 문제 해결에 새로운 가능성을 제시합니다.
◦
LLM의 자연어 이해 능력과 논리 프로그램의 정확한 추론 능력을 성공적으로 통합한 사례를 보여줍니다.
◦
다양한 유형의 퍼즐에서 높은 정확도를 달성하여 실용적인 응용 가능성을 입증합니다.
◦
공개된 코드와 데이터를 통해 재현성과 추가 연구를 용이하게 합니다.
•
한계점:
◦
현재는 특정 유형의 퍼즐에 대한 평가만 진행되었으므로, 다른 유형의 퍼즐이나 더 복잡한 문제에 대한 일반화 가능성은 추가 연구가 필요합니다.
◦
LLM의 성능에 의존하기 때문에, LLM 자체의 한계가 Logot의 성능에 영향을 미칠 수 있습니다.
