천혜의 자연환경, 친환경 재배, 명품버섯
최고만을 엄선해 재배하였습니다.

추론 동작: 조건에 따른 객체 추적

이 예제는 모델이 긴 자연어 객체 및 색상 목록을 읽고, 개수를 세기 전에 부정 규칙("검은색도 파란색도 아님")을 정확하게 적용할 수 있는지 테스트합니다. 이 작업은 간단해 보이지만 오류 발생 가능성이 높습니다. 모델은 종종 부정을 놓치거나, 규칙에서 벗어나거나, 긴 목록에서 중복 계산을 하는 경우가 있습니다. InfiGFusion은 먼저 가장 유용한 몇 가지 신호를 분리한 다음, 이러한 신호들이 프롬프트 전체에 걸쳐 어떻게 함께 움직이는지 학습하는 방식으로 이 문제에 접근합니다. 이는 간결한 "필터링 후 개수 세기" 루틴을 유도합니다. 표 3 에서 InfiGFusion은 규칙을 명확한 체크리스트로 변환하고, 검은색 피젯 스피너를 제외하고, 나머지 항목을 나열한 다음, 최종 개수를 5로 제시합니다 . Phi-4 또한 정답을 도출하지만, 더 긴 서술 방식을 사용합니다. 두 모델 모두 여기서는 정확하지만, InfiGFusion의 구조 우선 접근 방식은 검증이 더 쉽고 프롬프트가 길어지거나 제약 조건이 더 복잡해질수록(예: 색상 추가 또는 문장 간 참조) 확장성이 더 뛰어납니다. 요약하자면, InfiGFusion은 피벗 모델에 예측해야 할 내용 (토큰 수준)과 이러한 예측들이 어떻게 상호 작용하는지 (구조 수준)를 모두 학습시킵니다. 이 간단한 추가 기능은 효율성을 유지하면서 기존 융합 파이프라인과 쉽게 통합할 수 있도록 추론 능력을 확실하게 강화합니다. 모든 공식, 어블레이션 및 전체 표는 부록 B 에 제공됩니다 .