Jotto 문제 해결을 위한 그래프 기반 단어 추론 프레임워크
Graph-Based Inference for Feedback-Driven Word Deduction: A Scalable Framework for the Jotto Problem
arXiv단어 추리 게임(Jotto)을 해결하기 위해 가능한 단어를 노드로, 공통 문자를 엣지 가중치로 설정한 그래프 기반의 새로운 추론 프레임워크가 제안되었습니다.
- 이 방식은 기존 모델과 달리 가변 길이(3~8자)와 반복 문자를 처리할 수 있도록 일반화되었으며, 피드백을 이용해 그래프를 가지치기하는 추론 패러다임을 제시합니다.
- 단순히 정답만 찾는 것을 넘어, 추리 과정에서 어떤 단어가 제외되는지 과정을 해석할 수 있는 높은 설명 가능성(Interpretability)을 제공한다는 점에서 의미가 큽니다.
- 시뮬레이션 결과, 단어 길이가 길수록 추론에 필요한 반복 횟수가 줄어드는 로그 관계가 확인되었으며, 실제 게임 규칙 적용성이 높습니다.
단어 추리 게임(Jotto)을 위해 피드백 기반의 단어 추론 프레임워크가 제안되었다. 이 방식은 가능한 모든 단어를 노드로, 두 단어 간 공통 문자를 엣지 로 정의하는 가중 그래프를 문제 공간으로 표현한다. 게임 진행 과정은 반복적인 제약 전파 메커니즘을 통해 피드백 정보를 활용하여 그래프의 비호환 공간을 점진적으로 줄여나가며, 이를 통해 가설 공간을 구조적이고 해석 가능한 방식으로 축소시킨다.
본 프레임워크는 기존 접근 방식이 고정 길이 단어에 국한되었던 한계를 극복하고, 3자에서 8자 사이의 가변 길이 단어와 반복 문자를 처리할 수 있도록 일반화되었다. 이는 현실적인 Jotto 문제 인스턴스를 통일된 틀 안에서 다룰 수 있게 하며, 추리 과정 자체를 해석하는 높은 설명 가능성(Interpretability)을 제공한다는 점에서 의미가 크다.
약 3,000개의 시뮬레이션 게임 시나리오에 대한 자동화 테스트 결과, 단어 길이가 증가할수록 예상 반복 횟수가 감소하는 새로운 수렴 행동이 확인되었다. 또한 이 프레임워크는 그래프 가지치기(graph pruning)를 피드백 기반 추론의 실현 가능한 패러다임으로 제시하며, 이는 상징적 추론 및 대화형 지능 시스템과 연관된다.
용어 풀이
- 가중치
- 학습으로 정해진 모델 내부의 숫자 값. 내려받는 모델 파일의 본체예요.