EDIT: 규칙 준수형 LLM 채점을 위한 증거 진단 기반 개입 학습

요약

LLM이 루브릭(채점 기준)을 충실히 따르도록 돕는 2단계 프레임워크 EDIT를 제안합니다. 모델 내부 신호를 통해 잘못된 추론 단계를 진단하고, 신념 유도형 보상을 통해 채점 성능을 강화합니다.

핵심 포인트

• 증거 진단 기반의 2단계 프레임워크 EDIT 제안
• 내부 신호를 활용한 국소적 추론 단계 수정(EDIT-SFT)
• 신념 유도형 보상 형성을 통한 채점기 보정(EDIT-RL)
• 기존 SFT 및 RL 베이스라인 대비 우수한 성능 입증