연구진은 한 언어 모델이 문제 해결 전략을 고르고, 다른 모델이 이를 구조화된 지침으로 바꾸며, 세 번째 모델이 답을 생성하는 프레임워크 AlgoPilot을 공개했다. Qwen3-8B를 기반으로 만들었으며, 66개 분야를 다루는 5개 문제 범주와 13개 벤치마크에서 테스트했다.
연구진에 따르면 평균 정확도는 72.9%로, AlgoPilot을 적용하지 않은 같은 모델의 38.4%보다 높았다. 또한 대규모 언어 모델 프롬프트 방식의 기준선 가운데 가장 성능이 좋았던 GLM-5보다 11.7%포인트 높은 점수를 기록했다고 밝혔다. 이는 논문에서 보고한 결과이며, 제공된 초록에는 독립적인 검증에 관한 세부 정보가 없다.
왜 중요한가
다양한 추론 과제에 소형 언어 모델을 활용하는 사람들에게, 보고된 결과는 전략을 선택하고 구조화하는 방식이 정확도를 높일 수 있음을 시사한다. 다만 독립적인 테스트에서도 같은 효과가 나타나는지는 아직 불분명하다.
