본 논문은 대규모 언어 모델(LLM) 기반 자율 에이전트의 추론 능력 향상을 위한 새로운 방법으로, 피드백 없이 재시도하는 간단한 전략을 제안합니다. 기존의 반복적 추론 전략들은 모델의 자기 평가 및 언어적 피드백을 필요로 하여 계산 비용이 높았지만, 본 논문에서 제시하는 방법은 잘못된 답변을 인식했을 때 단순히 문제 해결을 재시도하는 방식으로, 추가적인 계산 비용 없이 성능을 향상시킵니다. 실험 결과, 이 간단한 재시도 기반 접근 방식이 더 복잡한 추론 프레임워크보다 종종 더 나은 성능을 보임을 보여주며, 복잡한 방법의 이점이 항상 계산 비용을 정당화하는 것은 아님을 시사합니다.
