대규모 추론 모델(LRM)이 여러 지시를 따르는 데 어려움을 겪으며, 개별 제약 조건을 충족하지 못하거나 상충하는 제약 조건을 조화시키는 데 어려움을 겪습니다.
연구진은 Constraint Relationship Graph Completion (CRGC)라는 새로운 프레임워크를 통해 지시를 제약 조건 지식 그래프로 표현하고, 제약 조건 간의 관계를 모델링하여 문제 해결을 시도합니다.
CRGC는 모델의 지식을 활용하여 생성 경로를 개선하는 보조 지시인 '브리지 제약 조건'을 활용하여 제약 조건 위반을 39% 줄이고 추론 능력을 유지합니다.