생성적 재귀 추론

연구진은 재귀적 추론을 확률적 다중 궤적 계산으로 바꾸는 잠재변수 프레임워크 GRAM을 제안했다.

GRAM은 여러 해답 경로를 지원하며, 조건부·비조건부 생성이 가능하고 amortized variational inference로 학습된다.

이 모델은 구조화된 추론과 다중 해답 제약 만족 과제에서 기존 결정론적 순환·재귀 모델보다 더 좋은 성능을 보였다.

GRAM은 병렬 다중 가설 추론을 가능하게 해, 어려운 추론 문제에 더 유연하고 확장 가능한 대안을 제시한다.