외부 서브그래프 생성을 통한 LLM의 단계적 추론 프레임워크 SGR

요약

SGR은 LLM이 복잡한 논리적 추론 과정에서 발생하는 노이즈와 사실 오류를 줄이기 위해 제안된 단계적 추론 프레임워크입니다. 외부 지식 베이스에서 질문에 특화된 서브그래프를 생성하고, 이를 기반으로 모델이 구조화된 정보를 따라 점진적으로 추론하도록 유도합니다. 실험 결과, SGR은 기존 베이스라인 대비 추론 정확도와 사실적 신뢰성 측면에서 유의미한 성능 향상을 보여주었습니다.

핵심 포인트

• 외부 지식 베이스로부터 질문 맞춤형 서브그래프를 구축하여 추론의 근거로 활용
• 의미론적 구조를 활용한 다단계 추론(multi-step inference) 지원
• 여러 추론 경로(reasoning trajectories)를 결합하여 최종 예측의 정확도 향상
• LLM의 고질적인 문제인 환각 현상 완화 및 사실적 신뢰성 강화