추상 함수 언어 논리: 역설 없는 추론

현재 대규모 언어 모델(LLM)은 확률 기반의 다음 토큰 예측에 의존하여 언어 유창성은 뛰어나지만, 엄격한 논리적 추론에서는 의미론적 환각, 언어적 역설, 높은 계산 지연 등의 문제에 직면합니다. 본 논문은 이러한 확률적 텍스트 기반 추론 방식에서 벗어나, 함수 언어 논리(FLL) 기반의 경쟁적 전문가 혼합(CMoE) 프레임워크를 제안합니다. CMoE 아키텍처는 거대하고 불투명한 언어 트랜스포머로부터 '사고' 과정을 수학적 함수 근사기(선형, 포물선, 타원 프리미티브)로 구축된 효율적인 전용 인지 엔진으로 오프로드합니다. 논리를 연관 토큰 분포가 아닌 수학적 매핑으로 취급함으로써, 이 시스템은 해석 가능하고 경량이며 수학적으로 경계가 명확한 추론 시스템을 구축합니다. 주요 기여는 계산적으로 중복되는 MLP를 최소한의 훈련으로 마이크로초 내에 적응하는 매개변수화된 수학 함수로 대체하는 것입니다. 또한, 8개의 연산 토큰으로 제한된 결정론적 추상 추론 공간인 '사고의 8-토큰 언어(LoT)'를 도입하여 인간 언어의 모호성으로부터 계산을 분리함으로써 역설 없는 내부 추론을 보장합니다. 이 시스템은 인지 및 표현을 분리하여, CMoE의 추상 논리 벡터를 인간이 읽을 수 있는 텍스트로 번역하는 역할만 하는 '호스트 인터프리터 모델'(LMM/LLM)을 활용합니다. CMoE와 호스트 모델을 지속적으로 공동 진화시켜 '인터페이스 환각'과 의미론적 불일치를 완화하는 연속적 공동 훈련 방법론과, 논리 연산자를 통해 복잡한 쿼리를 구문 분석하여 무한한 논리적 깊이를 처리하는 재귀적 쿼리 분할 메커니즘도 제시합니다.