Auto-Relational Reasoning

요약

본 연구는 대규모 모델이 가진 추론 능력의 한계를 극복하기 위해, 인공신경망과 객체-관계(object-relations)를 통합한 자동화된 추론 이론적 프레임워크를 제안합니다. 이 패러다임을 통해 개발된 시스템은 사전 지식 없이도 IQ 문제 해결에 높은 성능을 보였으며, 이는 모델의 크기와 하드웨어 능력에만 제한됨을 입증했습니다. 궁극적으로 본 시스템은 사전 지식 통합과 데이터셋 확장을 통해 다양한 범주의 문제를 일반화하여 해결할 수 있습니다.

핵심 포인트

• 대규모 머신러닝 모델은 여전히 견고한 추론 능력이 부족하다는 한계를 가진다.
• 본 연구는 인공신경망과 객체-관계(object-relations)를 결합하여 자동화된 추론 프레임워크를 제시한다.
• 제안된 시스템은 사전 지식 없이도 IQ 문제 해결에서 높은 성능(98.03% 해결률)을 달성했다.
• 이 접근 방식은 퓨샷 또는 제로샷 학습 방식으로 다양한 범주의 문제에 일반화될 수 있다.