LLM과 실제 탐색: 상호보완적 역할 재고찰
문제 해결의 핵심인 탐색(Search)과 대규모 언어 모델(LLM)의 상호보완적 관계를 세 가지 관점에서 체계적으로 탐구합니다. 첫째, 학습이 탐색 효율성을 어떻게 향상시키는지 분석하고, LLM을 활용한 효과적이고 효율적인 탐색 프레임워크인 SeaL(Search via Learning)을 제안합니다. 둘째, 탐색의 엄격한 완전성을 보장하기 위해 SeaL을 SeaL-C로 확장합니다. 세 가지 실제 계획(planning) 작업에 대한 평가 결과, SeaL은 기존 방식 대비 탐색 공간을 최대 99.1%까지 줄이면서 거의 완벽한 정확도를…