본 논문은 대규모 언어 모델(LLM)의 추론 능력 향상을 위해 체스 게임을 활용한 연구를 제시합니다. 전문가 체스 플레이어들이 장기적인 전략적 플레이와 단기적인 전술적 플레이를 결합하는 방식에 착안하여, 전략 및 전술 주석이 포함된 체스 데이터셋 MATE(100만 개의 체스 포지션)를 구축했습니다. LLaMA-3-8B 모델을 미세 조정하여 GPT, Claude, Gemini와 같은 최첨단 상용 LLM과 체스 수 선택 작업에서 성능을 비교했으며, 제안된 모델이 더 나은 성능을 보임을 확인했습니다. 이를 통해 언어적 설명이 LLM의 추론 능력 향상에 기여할 수 있음을 보여줍니다.
