본 논문은 언어 모델의 추론 능력 향상을 위해 다양한 관점을 명시적으로 통합하는 새로운 접근 방식인 DiPT를 제안합니다. DiPT는 기존의 단일 추론 방식을 보완하여 문제의 맥락에 대한 더 깊은 이해를 가능하게 하고, 추론 단계에서 가장 효과적인 해결책을 찾도록 돕습니다. 또한, 기존 데이터를 보강하여 품질을 향상시키는 데이터 중심의 AI 레시피를 제공합니다. 실험 결과, DiPT는 기존 단일 추론 방식에 유연하게 통합되어, 문제의 표현 방식이 바뀌어도 추론 성능과 안정성을 향상시키는 것을 보여줍니다. 더불어, "탈옥" 프롬프트에 대한 안전한 출력을 유지하여 맥락 이해 향상을 보여주며, 다양한 관점으로 풍부해진 데이터로 미세 조정하는 것이 원시 데이터만으로 미세 조정하는 것보다 모델의 추론 능력을 향상시킨다는 것을 증명합니다.
