Guess–Think–Answer(GTA)는 vivo AI Lab 알고리즘 팀에서 2025년 9월에 제안했으며 관련 연구 결과는 논문 "GTA: 대규모 언어 모델을 사용한 텍스트 분류를 위한 지도 학습 강화 학습".

GTA 프레임워크는 먼저 모델이 초기 추측(교차 엔트로피 손실을 통해 최적화됨)을 생성한 다음, 이 추측을 반영하여 최종 답을 생성하는 방식으로 작동합니다. 동시에 강화 학습(RL) 보상을 사용하여 최종 출력과 전체 GTA 구조의 형식을 형성합니다. 이 프레임워크를 통해 모델은 강화 학습을 통해 효과적인 추론 패턴을 자발적으로 학습할 수 있으므로 추론 체인에 대한 수동 주석이 필요 없으며, 통합된 학습 패러다임 내에서 지도 학습 미세 조정(SFT)의 효율성과 강화 학습의 향상된 기능을 결합합니다.