연구진은 LLM 내부의 공유된 논리적 하위 공간이 자연어와 기호적 관점을 동시에 정렬한다고 가정했어요. Canonical Correlation Analysis를 활용하여 자연어와 기호적 추론 과정의 잔여 활성화를 분석하고, 상호 연관성이 높은 저차원 하위 공간을 학습했어요. 이 방법을 통해 LLM의 추론 과정을 논리적 하위 공간을 따라 조종하여 정확도를 11%p까지 향상시키고, 다양한 문제에 대한 일반화 성능을 높였어요.