Adaptive Reasoning 4장 카드뉴스

AI 활용 분야에서 쓰이는 용어로, LLM이 질문 난이도에 따라 추론에 쓸 시간·토큰을 알아서 늘리거나 줄여 답하는 방식으로, 추론 모델 시대의 자율적 사고량 조절 능력을 가리킵니다.

어댑티브 리저닝은 거대 언어 모델(LLM)이 질문이 쉬우면 짧게, 어려우면 길게 "생각하는 시간"을 스스로 정해서 답하는 방식이에요. 시험 문제를 풀 때 객관식 한 줄은 바로 답하고, 서술형 한 문항은 풀이 과정을 길게 적어 내는 학생을 떠올리면 가까워요. 모델 비용은 보통 생각한 토큰 수에 비례하니까, 쓸 데 없는 데서 길게 생각하지 않게 만들면 그만큼 청구액이 줄고 응답도 빨라집니다.

케이스 1: OpenAI o1 — 추론 모델의 시작점 2024년 9월 12일 OpenAI는 o1 프리뷰를 공개하면서 "답하기 전에 생각하는 새로운 추론 모델 시리즈"라고 정의하고, 사고 사슬 길이를 모델이 스스로 조절한다고 명시했습니다[1]. 4%를 크게 웃돌았고, Codeforces에서는 상위 11% 분위에 도달했다고 보고됐습니다[1].