본 논문은 대규모 언어 모델(LLM)의 수학적 추론 능력 향상을 위한 경량의 사후 검증 방법인 에너지 결과 보상 모델(EORM)을 제안한다. EORM은 사슬 추론(CoT) 프롬프팅으로 생성된 여러 후보 답안에 대해 에너지 기반 모델(EBM)을 활용하여, 결과 레이블만을 이용하여 스칼라 에너지 점수를 할당한다. 낮은 에너지 점수는 정확한 최종 결과로 이어지는 일관된 추론을 암시적으로 선호하여, 후보 답안을 효과적으로 순위 매기도록 설계되었다. GSM8k와 MATH 수학 벤치마크에서 Llama 3 8B와 함께 사용 시, GSM8k에서 90.7%, MATH에서 63.7%의 정확도를 달성하며 기존의 많은 샘플링 기법을 능가하는 성능을 보였다.
