LLM(Large Language Models)을 기반으로 구축된 팩트 체크(Fact-checking) 시스템은 표준 벤치마크에서 높은 판정 정확도를 달성하지만, 인용된 근거가 주장을 뒷받침할 권한을 부여하지 않음에도 불구하고 '지지함(Supports)' 라벨을 출력하는 경우가 빈번하게 발생합니다. 구조적 분해(Structured decomposition)는 이러한 보증(warrants)을 검사하는 자연스러운 방법이지만, 경직된 추출 프로토콜은 측면(facets)에 필요한 전체 주장 문맥(full-claim context)을 제거해 버립니다. 우리는 추출된 근거 구간(evidence spans)을 전체 주장과 대조하여 주장 조건부로 재점수화하는 SIFT와, 인용된 보증이 주장을 함의하는지 확인하는 자동 NLI(Natural Language Inference) 체크인 WSP(Warranted Supports Proportion)를 도입합니다. 우리는 4개의 오픈 소스 백본(backbones)을 사용하여 FEVER, SciFact, 5PILS, DP 데이터셋에서 평가를 진행했습니다. SIFT는 단순한 분해 방식이 최대 27.6포인트의 정확도 손실을 초래하는 셀(cells)에서 정확도를 회복하는 동시에, 직접 프롬프팅(direct prompting)보다 높은 WSP를 달성했습니다. WSP 자체는 AUC 0.92 및 정밀도(precision) 0.98에서 인간의 골드 근거(gold evidence)와 잘 보정(calibrate)됩니다.