연구진은 LLM의 단계별 추론 능력을 향상시키는 새로운 프레임워크 REVES를 제안했어요. REVES는 성공적인 수정 과정에서 발생하는 중간 단계 오류를 활용해 모델이 효과적인 답변 변환과 오류 식별을 학습하도록 돕습니다. LiveCodeBench에서 기존 RL 방식보다 6.5점, 일반적인 다단계 훈련 방식보다 4.0점의 성능 향상을 보였으며, 더 작은 모델과 적은 샘플링으로도 SOTA 결과를 달성했어요.