본 논문은 의료 추론 분야에서 테스트 시간 확장(test-time scaling) 기법의 효과를 최초로 종합적으로 조사한 연구입니다. 10B 미만의 매개변수를 가진 경량 미세 조정 모델의 성능을 향상시키는 효과적인 방법인 m1을 제시하며, 32B 모델은 기존 70B 규모의 의료 LLM과 경쟁할 수 있는 수준의 성능을 달성했습니다. 다양한 의료 과제에 대한 평가를 통해 테스트 시간 확장이 의료 추론을 일관되게 향상시킨다는 것을 보여주지만, 약 4K 토큰을 넘어서면 과도한 추론으로 성능이 저하될 수 있음을 발견했습니다. Budget forcing 기법은 답변을 재확인하는 데 도움이 되지만, 전반적인 의료 QA 성능을 향상시키지는 않고 오히려 오류를 유발할 수도 있습니다. 성능 향상의 주요 병목 현상은 의료 지식 부족이며, 데이터 규모 증가, 데이터 품질 향상, 모델 용량 확장이 의료 지식 기반을 강화하고, 특히 소규모 모델이 포화 상태에 도달하는 어려운 의료 벤치마크에서 성능 향상을 가져온다는 것을 밝혔습니다. 의료 추론과 수학적 추론 간의 근본적인 차이를 강조하며, 테스트 시간 확장의 이점을 실현하려면 증가된 추론 깊이 외에 풍부한 의료 지식이 필수적임을 보여줍니다.
