[논문리뷰] Figure It Out: Improving the Frontier of Reasoning with Active Visual Thinking

링크: 논문 PDF로 바로 열기

저자: Meiqi Chen, Fandong Meng, Jie Zhou

핵심 연구 목표

본 논문은 텍스트 전용 추론 모델이 암묵적인 공간 및 기하학적 관계를 파악하는 데 어려움을 겪는 복잡한 추론 문제의 한계를 해결하고자 합니다. 기존 멀티모달 모델의 시각적 부정확성 및 도구 사용의 제약에서 벗어나, 능동적인 시각적 사고를 추론 과정에 통합하여 글로벌 구조적 속성에 대한 보다 안정적이고 일관된 추론을 가능하게 하는 것을 목표로 합니다.

핵심 방법론

저자들은 FIGR 이라는 새로운 프레임워크를 제안하며, 이는 다중 턴 추론 루프 내에서 텍스트 추론과 실행 가능한 코드 생성을 번갈아 수행합니다. 모델은 Python과 같은 프로그래밍 언어로 시각적 다이어그램을 생성하는 코드를 출력하고, 이 코드는 샌드박스 인터프리터를 통해 실행되어 시각적 피드백(렌더링된 이미지)을 제공합니다. 특히, 적응형 보상 메커니즘(Adaptive Reward Mechanism) 을 도입하여 시각적 추론의 필요성과 코드 실행의 성공 여부에 따라 보상을 조절하며, GRPO(Group Relative Policy Optimization) 알고리즘 을 통해 모델을 강화 학습합니다.

주요 결과

FIGR 는 7가지 수학 추론 벤치마크에서 평균 73.45% 의 정확도를 달성하여, 기준 모델인 Qwen3-VL-32B-Instruct 대비 6.90% 의 상당한 성능 향상을 보였습니다. 특히 AIME 2025 에서는 13.12% , BeyondAIME 에서는 11.00% 개선이라는 인상적인 결과를 기록했습니다. 이는 시각적 피드백이 텍스트 전용 추론으로는 얻기 어려운 구조적으로 새로운 정보를 제공하며, 모델의 추론 안정성과 문제 해결 능력을 향상시켰음을 입증합니다.

AI 실무자를 위한 시사점

FIGR 는 복잡한 기하학적, 공간적 또는 구조적 추론이 요구되는 AI 시스템 개발 시 능동적인 시각적 사고 통합 의 중요성을 강조합니다. 단순히 이미지를 입력으로 활용하는 것을 넘어, 실행 가능한 코드 기반의 동적인 시각화 생성 및 그 피드백을 추론 과정에 반영하는 접근 방식은 AI 모델의 안정성과 해석 가능성 을 크게 향상시킬 수 있습니다. 이는 특히 대규모 언어 모델에 외부 도구 사용(Tool-Augmented) 과 강화 학습(Reinforcement Learning) 을 결합하여 모델이 시각적 추론을 자율적으로 활용하게 하는 새로운 개발 패러다임을 제시합니다.

⚠️ 알림: 이 리뷰는 AI로 작성되었습니다.