LLM과 고전 알고리즘의 결합, “언어화된 알고리즘”으로 정확성과 효율을 동시에 잡다

초록

본 논문은 대형 언어 모델(LLM)을 전통적인 알고리즘의 원자 연산에만 활용하는 “언어화된 알고리즘(Verbalized Algorithms, VA)” 프레임워크를 제안한다. 정렬, 최대값 탐색, 클러스터링, 서브모듈러 최대화 등 네 가지 사례를 통해 VA가 O(n), O(n log n) 시간 복잡도와 1/(1‑e) 최적성을 보장하면서 기존 임베딩 기반 방법보다 높은 정확도와 효율성을 달성함을 실험적으로 입증한다.

상세 분석

논문은 LLM을 “노이즈가 없는 이진 비교 오라클”로 가정하고, 기존의 비교 기반 알고리즘에 그대로 삽입하는 방식을 제시한다. 핵심 정의(Definition 1)에서는 τ‑type 객체에 대해 n‑arity Boolean oracle f