체계적 일반화는 알려진 원자적 요소를 재조합해 새로운 문제를 해결하는 능력으로 인간 지능의 핵심이지만, 통제된 조건에서 엄밀히 연구하기 어렵다. 기존 연구는 거의 선형적인 행동 합성, 생산성 기반 테스트, 행동이 명시된 목표 같은 단순화에 의존해 이 능력의 일부 본질적 측면을 놓친다. 이 논문은 연역·귀납·귀추 추론을 하나의 과제 안에 통합한 테스트베드 TranSGrid를 도입해 추론 중심 관점에서 이런 단순화가 놓치는 부분을 규명한다. 7개 트랜스포머 모델을 4,800개 TranSGrid 인스턴스로 실험한 결과 모든 모델이 보류 테스트셋보다 훨씬 저조한 성능을 보였다. 가장 큰 모델도 테스트셋에서는 79.6%를 풀었지만 TranSGrid에서는 55.3%, 가장 어려운 하위셋에서는 15.8%에 그쳤다. 행동을 거의 선형으로 합성시키거나 목표를 행동 명시형으로 만드는 두 단순화를 각각 재도입하면 정답률이 보류 테스트셋 수준으로 되돌아가, 둘 중 하나의 단순화만으로도 TranSGrid가 평범한 보류 테스트로 축소됨을 보였다.

• •연역·귀납·귀추 추론을 통합한 체계적 일반화 테스트베드 TranSGrid 도입
• •최대 모델도 보류 테스트셋 79.6% 대비 TranSGrid에서는 55.3%, 최난도 하위셋 15.8%에 그침
• •행동 선형화 또는 목표 명시화라는 두 단순화 중 하나만 재도입해도 난도가 보류 테스트 수준으로 회귀
• •체계적 일반화를 온전히 측정하려면 연역·귀납·귀추를 모두 요구하는 과제가 필요함을 시사