컨텍스트-CoT: 고품질 추론 합성 기술을 활용한 컨텍스트 학습 강화

Context-CoT: Enhancing Context Learning via High-Quality Reasoning Synthesis

LLM(대규모 언어 모델)은 정적인 사전 학습된 지식을 바탕으로 프롬프트에 대한 추론 능력이 뛰어나지만, 복잡하고 특정 작업에 특화된 컨텍스트에서 새로운 지식을 동적으로 추출, 내면화 및 적용하는 '컨텍스트 학습' 능력은 현저히 부족합니다. 최근 CL-Bench를 활용한 평가 결과, 최첨단 모델조차 평균적으로 17.2%의 컨텍스트 의존적인 작업만 해결할 수 있으며, 이는 심각한 성능 격차를 보여줍니다.

While LLMs excel at reasoning over prompts using static pretrained knowledge, they struggle significantly with context learning-the ability to dynamically extract, internalize, and apply new knowledge from complex, task-specific contexts. Recent evaluations on the CL-Bench reveal a critical capability gap: frontier models solve only 17.2% of context-dependent tasks on average.