본 논문은 Apple의 논문 "The Illusion of Thinking"에서 제기된 대규모 추론 모델(LRM)의 추론 능력 부재 논쟁을 재검토한다. Apple의 논문은 LRM이 단순히 확률적 앵무새에 불과하다고 주장하며 Towers of Hanoi와 River Crossing 문제를 예시로 제시했다. 본 연구는 해당 두 문제에 대한 실험을 재현하고 개선하여, 단계적 프롬프트와 상호 작용적 대화를 도입함으로써 기존 연구의 결론이 과장되었음을 보여준다. Towers of Hanoi 문제에서 LRM의 실패는 출력 제약뿐 아니라 인지적 한계에도 기인하며, River Crossing 문제의 실패는 풀 수 없는 문제 설정 때문임을 밝혔다. 풀 수 있는 문제에 한정하면 LRM은 100개 이상의 에이전트 쌍을 포함하는 대규모 문제도 쉽게 해결한다. 따라서 LRM은 확률적이며 강화 학습으로 조정된 이산 상태 공간 내의 탐색자로, 상징적이고 장기적인 추론의 발전을 위해서는 더욱 세밀한 분석이 필요함을 시사한다.
