要点テキストから画像を生成する…
解説
智也くん！この論文のタイトルにある『分割統治』って、なんだか戦国時代の戦略みたいでカッコいいね！AIが天下統一でも狙ってるの？
いや、天下統一の話じゃないよ。これはAIが数学オリンピックみたいな超難問を解くときに、問題を小さくバラバラに分解して攻略する手法についての研究だね。
問題をバラバラにする？今のAIって、普通に「ステップバイステップで考えて」って言えば、賢く解いてくれるんじゃないの？
それが「思考の連鎖（CoT）」っていう従来の方法なんだけど、実は限界があるんだ。一本道で考えようとすると、問題が難しすぎるときに途中で計算ミスをしたり、思考がループしたりして、結局正解にたどり着けないことが多いんだよ。
あー、私もテストで難しい問題が出ると、頭の中がこんがらがって真っ白になっちゃう！AIも同じなんだね。
そう。だから、大きな問題を「これなら解ける」っていう小さな部分問題に分けて、それぞれを確実に解いてから最後に合体させる『分割統治（DAC）』が有効なんだ。でも、今のAIはCoTで学習されてるから、急にDACをやらせようとしても上手く動かないっていう「不整合」が起きてるんだよ。
不整合？やり方を知らないのに「やってみて」って言われても困っちゃうってことかな？
その通り。だからこの論文では、強化学習（RL）を使って、AIに「上手な問題の分け方」と「分けた問題の解き方」をセットで教え込む『DAC-RL』っていう仕組みを提案しているんだ。
強化学習って、上手くできたら褒めて伸ばすみたいなやつだよね？どうやってAIを褒めるの？
まず「分割（Division）」のステップでは、ちゃんと意味のある部分問題を作れたか、形式が正しいか、そして最終的な正解に繋がったかをチェックして報酬を与える。次の「攻略（Conquering）」のステップでは、部分問題を順番に解いて、最後に元の問題の正解を出せたら報酬を与えるんだ。
なるほど！二段階で特訓するんだね。それで、その特訓を受けたAIはどれくらい賢くなったの？
結果はすごかったよ。数学の難問ベンチマークで、従来のCoTよりも正答率が8.6%も向上したんだ。しかも、AIにたくさん考えさせる（試行回数を増やす）ほど、どんどん正解率が上がっていく「スケーラビリティ」も高いことが証明されたんだよ。
8.6%も！それはすごいね。これがあれば、将来はどんな難しい問題もAIがサクッと解決しちゃうのかな？
そうだね。科学的な発見や複雑なプログラミング、定理の証明なんかにも応用できる可能性がある。ただ、まだ課題もあって、今は数学みたいな答えがはっきりしている問題が中心なんだ。もっと自由な記述式の問題でどう分割するかは、これからの研究課題だね。
そっかぁ。じゃあ、私もこの『分割統治』をダイエットに応用してみる！「ケーキを10個に分割して、一口ずつ攻略する」っていうのはどうかな？
それはただ食べる回数が増えてるだけで、全然ダイエットになってないだろ。攻略されるのは君の胃袋の方だよ。
要点
- 複雑な問題を小さな部分問題に分割して解く「分割統治（DAC）」推論をLLMに学習させる手法を提案。
- 従来のモデルは逐次的な思考（CoT）で学習されているため、DAC形式の推論をそのまま行わせると性能が低下する「不整合」があることを発見。
- 強化学習（RL）を用いて、問題の分割（Division）と解決（Conquering）をエンドツーエンドで最適化する「DAC-RL」フレームワークを開発。
- 数学オリンピックレベルの難問において、従来のCoTを大幅に上回る正答率を達成し、計算リソースを増やすほど性能が向上する高いスケーラビリティを示した。