Sudoku-Extreme 정답률 2.6%에서 99%로 향상시킨 Attractor 기반 추론 구조

Context

기존 Test-time scaling 방식은 다수의 답변 생성 후 최적안을 선택하는 Brute-force 구조에 의존함. 이로 인한 과도한 Compute 비용 발생 및 투입 자원 대비 성능 향상의 비선형적 한계점이 존재함.

Technical Solution

• Hopfield Network의 개념을 응용한 Attractor 기반의 상태 안정화 구조 설계
• 추론 과정을 탐색이 아닌 정답(최저점)을 향해 수렴하는 '낙하' 과정으로 정의
• 모델 내부의 다이내믹스를 반복 전개하여 정답 상태에 도달하는 Equilibrium Reasoner 구현
• 고정된 모델 크기가 아닌 문제 난이도에 따라 반복 횟수를 조절하는 가변적 Compute 할당 방식 채택
• Looped Architecture 내부에 제안-정제 모듈을 배치하여 외부 판별자 없이 스스로 수렴 여부를 판단하는 구조 설계
• Sparse Layers를 통해 Looped Model의 스케일링 효율성을 확보한 인프라 최적화