연구진이 LLM의 지식을 활용한 구조적 추론 방법 'Large Language Gibbs'를 제안했어요. 이 방법은 LLM의 조건부 분포를 활용해 변수를 반복적으로 재샘플링하여 순서 의존성을 피하고 확률적 일관성을 유지해요.
합성 분포 샘플링, 일관성 있는 추론 작업, 베이지안 구조 학습에 적용한 결과, LLM 조건부 분포를 MCMC에 사용하는 것이 효과적임을 확인했어요.
Large Language Gibbs는 LLM의 노이즈가 있는 조건부 분포를 통해 세계 사전 지식을 활용하는 구조적 확률적 추론에 대한 실용적인 대안이 될 수 있어요.