연구진이 LLM의 오류 복구를 위해 Teleological Reasoning Infilling (TRI)이라는 새로운 프레임워크를 개발했어요. TRI는 오류가 난 추론 단계를 채우기(FIM) 작업으로 재구성하여, 검증된 전제와 목표를 연결하는 논리적 연결고리를 합성하도록 학습해요. TRI는 기존 모델보다 성능이 뛰어나고, 문제당 토큰 사용량을 31.2% 줄이는 효과를 보여줘요.