PathCal은 대형 추론 언어 모델(LRM)의 CoT 궤적에 나타나는 'wait', 'but', 'alternatively' 등 반성 마커를 기능적 역할에 따라 구별해 추론 경로를 보정하는 훈련 불필요 디코딩 컨트롤러다. 마커 유형별로 정확도와 생성 길이에 미치는 영향이 다르며, 모델이 안정적 추론 궤적에 진입하기 전 단계에서 개입이 가장 효과적임을 실험으로 밝혔다. PathCal은 각 디코딩 단계에서 반성 마커 분포로 로컬 불확실성을 추정하고, 경쟁 분기 증거가 과도해지면 마커 로짓을 부드럽게 재조정한다. 6개 추론 벤치마크에서 외부 검증기나 추가 샘플링 없이 정확도를 유지하거나 향상시키면서 생성 길이를 줄이는 효율-성능 트레이드오프 개선을 달성했다.

• •반성 마커를 단일 범주가 아닌 기능적 역할별로 구분해 타입별 억제·개입 실험 수행
• •모델이 안정적 추론 권적에 진입하기 전이 마커 선택이 가장 중요한 시점임을 발견
• •각 디코딩 단계에서 마커 분포로 로컈 경쟁 추정, 과도할 때 마커 로짳 소프트 재조정
• •6개 추론 벤치마크에서 훈련·외부 검증기 없이 효율-성능 트레이드오프 개선