더 많이 공유하고 더 적게 검색하라: 효율적인 테스트 시점 스케일링을 위한 협업형 병렬 사고

연구진은 언어 모델의 테스트 시점 확장을 위한 무학습 추론 프레임워크인 Collaborative Parallel Thinking을 제안했다.

이 방식은 병렬 검색 분기들이 압축된 중간 결과를 공유해, 추론 중 중복 탐색을 줄인다.

이 방법은 HMMT와 AIME 벤치마크 성능을 높이면서 추론 효율도 개선했다.

결과적으로 다중 분기 LLM 추론의 비용 대비 성능 균형을 향상시키는 것을 목표로 한다.