KAIST와 네이버 AI랩 연구진이 추론 모델의 텍스트상 사고 단계가 내부 표현에서도 뚜렷이 구분된다는 사실을 확인했다. 연구팀은 추출, 분해, 공식 회상, 연역, 계산 등 8가지 추론 유형을 정의하고 Qwen2.5-7B, Qwen3-8B, Gemma4-31B 세 모델의 수학 풀이를 GPT-5로 라벨링해 분석한 결과, 중간층에서 구분 신호가 가장 뚜렷했다. 단어 선택만으로는 이 구분을 설명할 수 없었고, 오답을 낸 경우에도 내부적으로는 해당 연산 유형이 그대로 식별됐다. 이는 텍스트로 드러난 사고 과정이 실제 내부 연산과 연결돼 있음을 보여주는 결과로, AI 안전성을 위한 사고 사슬 감독 연구에 시사점을 준다.

• •추출·분해·공식회상·연역·계산 등 8개 추론 유형이 내부 표현에서 구분됨
• •Qwen2.5-7B, Qwen3-8B, Gemma4-31B 세 모델에서 모두 재현, 중간층에서 신호 최대
• •단어 선택이나 위치만으로는 이 구분을 설명하지 못함
• •오답 문제에서도 해당 연산 유형은 내부적으로 그대로 식별됨
• •AI 안전성 확보를 위한 사고 사슬 해석 연구에 함의