본 논문은 대규모 언어 모델(LLM)을 활용한 반복적 탐색(generate-filter-refine)의 효율성을 높이기 위한 이론적 틀을 제시한다. 구체적으로, 도메인 지식을 활용하여 탐색 공간을 구조화하고, 에이전트를 입력과 출력 간의 퍼지 관계 연산자로 표현하여 안전성 제약 조건을 부과한다. 또한, 도달 가능한 모든 경로에 가중치를 부여하고 이를 합산하여 도달 가능성 측정 함수를 정의함으로써 탐색의 어려움을 측정하고, 기하학적 해석을 제공한다. 이 이론을 바탕으로, LLM 기반 반복적 탐색을 체계적으로 설명하고 측정할 수 있는 언어와 도구를 제공한다.
