[논문리뷰] The Markovian Thinker

링크: 논문 PDF로 바로 열기

저자: Milad Aghajohari, Kamran Chitsaz, Amirhossein Kazemnejad, Sarath Chandar, Alessandro Sordoni, Aaron Courville, Siva Reddy

핵심 연구 목표

본 논문은 추론 LLM 훈련 시 발생하는 무한한 상태 크기 와 추론 길이 증가에 따른 2차 계산 복잡도 문제를 해결하고자 합니다. 이를 통해 모델의 추론 길이 스케일링을 제한하는 현행 LongCoT-RL 환경의 한계를 극복하고, 선형 계산 및 상수 메모리 로 매우 긴 추론이 가능한 새로운 패러다임인 Markovian Thinking 을 제시하는 것이 목표입니다.

핵심 방법론

저자들은 Delethink 라는 RL 환경을 제안하며 Markovian Thinking 을 구현했습니다. 이 환경은 추론 과정을 고정된 크기의 청크(fixed-size chunks) 로 구성하고, 청크 경계에서 컨텍스트를 재설정하며 이전 청크에서 얻은 짧은 텍스트 요약(carryover) 만을 다음 프롬프트에 포함합니다. 이를 통해 정책은 제한된 상태만을 기반으로 추론의 연속성을 유지하도록 학습되며, 실험에는 R1-Distill 1.5B 모델 이 사용되었습니다.

주요 결과

Delethink 로 훈련된 R1-Distill 1.5B 모델 은 8K 토큰 청크 로 추론하며 최대 24K 토큰 까지 생각할 수 있었고, 동일한 예산의 LongCoT-RL 성능을 능가하거나 대등했습니다. 테스트-시간 스케일링 시, Delethink 는 24K 토큰 을 넘어 96K 토큰 까지 지속적으로 성능이 향상되어 AIME'24 에서 36K 평균 추론 토큰 으로 49% 를 달성한 반면, LongCoT-RL 은 정체되었습니다. 또한, 96K 평균 추론 길이 에 대해 LongCoT-RL 이 약 27 H100-개월 이 소요되는 반면, Delethink 는 약 7 H100-개월 만이 소요되어 연산 효율성이 크게 개선됨을 입증했습니다.

AI 실무자를 위한 시사점

Delethink 는 LLM의 추론 길이를 컨텍스트 크기와 분리하여 선형적인 계산 복잡도 와 일정한 메모리 사용량 으로 매우 긴 추론 을 가능하게 함으로써, 기존 LongCoT 방식의 2차 계산 비용 문제 를 해결합니다. AI 실무자들은 Delethink 환경 을 통해 적은 컴퓨팅 자원 으로도 장기 추론 능력을 갖춘 LLM을 훈련할 수 있으며, 이는 특히 제한된 메모리 환경 이나 대규모 추론 스케일링 이 필요한 애플리케이션에 매우 유용합니다. 본 연구는 기존 모델 아키텍처를 변경하지 않고도 효율성을 높일 수 있는 실용적인 경로를 제공하며, 비-2차(non-quadratic) 시퀀스 아키텍처 와의 결합 시 더욱 큰 시너지를 기대할 수 있음을 시사합니다.

⚠️ 알림: 이 리뷰는 AI로 작성되었습니다.