연구진이 SCOPE-RL이라는 새로운 프레임워크를 개발했어요. 이 프레임워크는 LLM의 추론 경로를 최적화하여 정확도를 높이고 토큰 사용량을 줄여요.
SCOPE-RL은 두 단계로 구성되어 있는데, 먼저 성공 전 어려운 문제에 대한 가시적인 보상을 추가하고, 성공 후에는 정확성을 기반으로 프로세스 모양을 개선해요.
Qwen3-8B-Instruct 모델에서 SCOPE-RL은 평균 정확도를 최대 11.2% 향상시키고 추론 토큰을 최대 27.1% 줄이는 효과를 보여줬어요.