LLM 추론 노력 제어: 낮음, 중간, 높음 모드 학습법
대형 언어 모델(LLM)이 단순히 정답만 내놓는 것을 넘어, 문제를 단계적으로 풀고 스스로 오류를 수정하는 '추론 모델(Reasoning Model)'로 발전하는 원리를 설명합니다. 특히 수학이나 코딩과 같이 객관적 검증이 가능한 분야에서 보상을 제공하는 강화학습(RLVR)을 통해 모델이 스스로 깨달음('Aha' 순간)을 얻고 논리적 사고 과정을 학습하는 과정을 다룹니다. 최신 AI 모델들이 사용자의 요구나 작업의 난이도에 따라 '낮음, 중간, 높음' 등 추론 노력(Reasoning Effort)을 조절할 수 있는 배경을 이해하는 데 필수적인 글입니다.
제목: LLM에서 추론 노력(Reasoning Effort) 제어하기: LLM이 낮음, 중간, 높음 노력의 추론 모드를 학습하는 방법
OpenAI가 LLM 기반 추론 모델이라는 개념을 대중화한 'o1'을 출시한 지 거의 2년이 지났습니다. 약 4개월 후에는 DeepSeek-R1이 뒤를 따랐고, 이러한 추론 모델을 훈련하기 위한 검증 가능한 보상을 활용한 강화학습(RLVR, reinforcement learning with verifiable rewards) 레시피에 대한 세부 정보도 함께 공개되었습니다. 지난주에는 OpenAI가 GPT-5.6 모델 패밀리를 출시했습니다. 이 모델은 3가지 크기로 제공되며, 각각 약 5~6개의 추론 노력(reasoning-effort) 설정을 가지고 있습니다. 그렇습니다. 추론 모델은 이제 계속 사용될 것입니다. 현대 모델 출시의 표준적인 부분이 되었습니다.
과거 저는 추론 모델의 방법론과 관련 연구 논문들을 다루었고, 처음부터 추론 모델을 개발하는 방법에 대한 440페이지 분량의 책을 쓰기도 했습니다. 이러한 자료들은 주로 기존 LLM을 추론 모델로 변환하는 데 초점을 맞추었습니다. 이제 이 글에서는 기사 상단 그림에 표시된 것과 유사하게, 여러 노력 모드를 가진 추론 모델을 어떻게 개발하는지 설명하고자 합니다. 걱정하지 마세요. 이 글은 단독으로 읽을 수 있습니다. (물론 앞서 언급한 자료들도 흥미롭고 유용할 수 있습니다.)
1. 추론 모델에 대한 간략한 정의
거의 모든 머신러닝이나 AI 기술, 하위 분야를 논할 때 한 가지 교훈은 기술 용어를 '문자 그대로' 받아들여서는 안 된다는 것입니다. 예를 들어, 머신러닝과 AI에서 (인공) 신경망은 인간의 뇌와 같은 생물학적 신경망처럼 문자 그대로 작동하지 않습니다. 마찬가지로 '추론 모델'을 말할 때 이 모델이 우리 인간처럼 문자 그대로 추론할 것이라고 기대해서는 안 됩니다.
AI 및 LLM 연구의 맥락에서 '추론 모델'은 중간 추론 과정(intermediate reasoning trace)을 출력하는 모델을 의미합니다. 이는 질문이나 작업을 단계별로 해결하는 중간 응답과 같습니다. 예시를 통해 설명하는 것이 아마도 가장 쉬울 것입니다.
2. 추론 모델의 훈련 및 추론 스케일링에 대한 간략한 개요
(추론) 작업 성능을 향상시키는 방법에는 본질적으로 훈련 스케일링(training scaling)과 추론 스케일링(inference scaling) 두 가지가 있습니다. 먼저 훈련에 대해 간략히 이야기해 보겠습니다.
2.1 추론 모델 훈련
요약하자면, DeepSeek-R1은 검증 가능한 보상을 활용한 강화학습(RLVR)을 사용하여 LLM을 훈련시켜 추론 모델로 만들 것을 제안했습니다. RLVR은 검증 가능한 데이터 도메인에 대해 보상 신호(0=틀림, 1=맞음)를 제공하는 기술입니다. 여기서 검증 가능한 데이터 도메인은 수학(SymPy나 WolframAlpha와 같은 기호 수학 검사기를 사용하여 결과 확인 가능) 및 코드(컴파일러, 단위 테스트, LeetCode와 같은 통합 플랫폼을 사용하여 정확성 확인 가능)입니다.
주목할 점은, 추론 과정 자체는 모델을 훈련하거나 업데이트하는 데 사용되지 않았다는 것입니다. 이 중간 응답 정보를 훈련에 사용하려고 시도했지만, DeepSeek-R1 논문은 이것이 모델 훈련에 도움이 되지 않는다고 보고했기 때문에 결국 사용되지 않았습니다. (과정 보상 모델(process reward models)을 통해 중간 추론 과정을 훈련 신호에 통합할지 여부와 방법은 현재 활발히 연구되고 있는 분야입니다.)
2.2 "아하(Aha)" 순간
어쨌든 그림 7에서 보여주듯이, 단순히 출력 보상만으로 훈련하는 것만으로도 모델이 문제를 추론하는 방법을 학습하기에 충분하다는 것이 밝혀졌습니다. 즉, 모델은 중간 설명을 작성하고, 되돌아가며(backtrack) 스스로 수정하는(self-correct) 방법을 학습했습니다. 모델이 자신의 실수를 인식하고 스스로 수정하는 이러한 순간을 "아하(Aha)" 순간이라고 부릅니다.
참고로, DeepSeek-R1이 의심할 여지 없이 더 인기 있는 논문이며 검증 가능한 보상을 활용한 강화학습과 추론 모델 개발에 대한 흥분을 불러일킨 논문이지만, 정확히 같은 날 arXiv에 게시된 Kimi K1.5라는 또 다른 논문도 있습니다.