연구진은 소형 언어 모델의 물리 추론 오류를 단계별로 수정하는 새로운 프레임워크를 제안했어요. 이 프레임워크는 첫 번째 오류를 식별하고, 구조화된 피드백을 제공하며, 정책 경사법을 통해 모델을 훈련해요.
기존 방법과 달리, 이 방법은 ground truth 솔루션을 생성 목표로 사용하지 않으며, 외부 검증기는 훈련 시간 동안만 작동해요.
5개의 물리 벤치마크에서 CoT 프롬프트보다 17~20%, 기존 최적 baseline보다 10~16%의 정확도 향상을 달성했어요.