답변을 넘어서: 추론 증류를 위한 학생 조건부 추적 구성

요약

본 논문은 기존 답변만으로는 부족한 학습 지도를 제공하기 위해 '학생 조건부 추적 구성 및 증류 프레임워크'인 ReDiST를 제안합니다. ReDiST는 학생의 시도에서 시작하여, 주어진 증거에 맞춰 초안을 수정하고 검증된 답변으로부터 추가적인 지도를 받아 실패한 부분을 복구하는 과정을 거칩니다. 이 방법은 추적과 최종 답변 지도를 균형 있게 학습시켜 성능 향상을 입증했습니다.

핵심 포인트

• ReDiST는 학생의 시도와 증거를 결합하여 효과적인 추론 지도를 제공합니다.
• 초안 수정 및 검증된 답변을 통한 복구 과정을 거쳐 학습 효율성을 높입니다.
• 기존 방식 대비 소스 작업과 교차 벤치마크 모두에서 성능 향상을 보였습니다.