본 논문은 복잡한 질문을 단순한 하위 질문으로 분해하여 답변을 조합하는 LLM 추론 전략에 대한 수학적 기반을 제시합니다. 질문을 모델링하는 수학적 구조인 오퍼래드를 활용하여 질문 분해를 설명하고, QA 모델을 오퍼래드 대수학으로 해석합니다. 오퍼래드 일관성이라는 새로운 개념을 통해 QA 모델의 답변 정확도를 측정하고, 12개 LLM과 4개의 멀티홉 QA 데이터셋에서 기존 방법보다 우수한 성능을 보였습니다.
기존 질문 분해 방식을 재해석하는 것 외에도, 오퍼래드 관점은 QA 모델의 신뢰성을 분석하고 개선할 수 있는 새로운 방향을 제시합니다. 오퍼래드 일관성은 여러 LLM의 정확도와 강하게 상관관계를 보이며, 이는 본 논문의 주요 발견입니다. 본 연구는 질문 분해에 오퍼래드가 자연스러운 수학적 기반이며, 오퍼래드 일관성과 같은 불변량이 멀티스텝 추론의 신뢰성을 높이는 데 기여할 수 있음을 주장합니다.
본 연구의 결과는 동반 논문에서 자세히 다루며, LLM 추론의 신뢰성을 높이기 위한 새로운 연구 방향을 제시합니다.