유도적 사고 강화(GTR) 프레임워크는 칭화대학교, 텐센트, 베이징대학교 연구진이 2025년 7월 11일에 제안했으며, 관련 연구 결과는 논문으로 발표되었습니다. GTR: 유도된 사고 강화는 RL 기반 VLM 에이전트 훈련에서 사고 붕괴를 방지합니다. .

GTR은 자동 오류 수정과 강화 학습을 결합한 간단하고 확장 가능한 프레임워크로, 복잡한 시각 환경에서 다단계 의사 결정을 내리는 시각 언어 모델(VLM) 에이전트가 결과 보상에만 의존하여 발생하는 "사고 붕괴" 문제를 해결하기 위해 설계되었습니다. 이 프레임워크는 강화 학습의 각 단계에서 에이전트의 추론을 평가하고 개선하는 자동 오류 수정 기능을 도입하여, 집중적인 수동 주석 작업 없이 추론과 행동을 동시에 학습할 수 있도록 합니다. 연구 결과에 따르면 GTR은 사고 붕괴를 효과적으로 억제하고 다양한 시각 환경에서 모델(예: LLaVA-7B)의 성능과 일반화 능력을 크게 향상시킵니다. 24점 게임이나 구체적인 작업과 같은 복잡한 시나리오에서 GTR은 기존 최첨단 모델보다 3~5배 높은 작업 성공률을 달성하면서도 매개변수 개수는 더 적습니다.