Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
CRAFT는 표 형식 질의응답과 사실 검증을 위해 양방향 반사실적 추론을 사용하는 통합 프레임워크입니다. 기존 단방향 추론의 한계를 극복하여 복잡한 표 데이터에서 LLM의 추론 성능을 크게 향상시켰습니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.CL (NLP)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기표(Table) 추론은 대규모 언어 모델 (LLMs)에게 여전히 어려운 과제로 남아 있으며, 특히 길고 구조화된 표에 대해 다단계 추론 (multi-step inference)이 필요한 작업에서 더욱 그러합니다. 기존의 접근 방식들은 주로 단방향 추론 (single-direction reasoning)에 의존하며, 이는 다양한 작업에 걸쳐 대안적인 가설을 탐색하는 능력을 제한합니다. 본 연구에서는 표 형식 질의응답 (Tabular question answering)과 사실 검증 (fact verification)을 일반적인 양방향 검증 프로세스로 재구성하는 통합 반사실적 추론 프레임워크 (Counterfactual Reasoning Framework)인 CRAFT를 제안합니다. 우리의 방법은 선언적 문장 (declarative statements)과 그에 대한 반사실적 변형 (counterfactual variants)을 모두 명시적으로 구축합니다. 그 후, 원래의 경로와 반사실적 경로를 모두 따라 추론하며 증거를 추출하고, 이를 가중치 메커니즘 (weighted mechanism)을 통해 통합하여 최종 답변에 도달합니다. 실험 결과에 따르면, 우리의 접근 방식은 WikiTQ 및 TabFact와 같은 표 추론 데이터셋에서 대표적인 베이스라인 (baselines) 모델들을 일관되게 능가하며, 특히 복잡한 질의응답에서 매우 큰 개선을 달성했습니다. 또한 우리의 프레임워크는 서로 다른 백본 LLM (backbone LLMs) 간의 성능 격차를 크게 완화합니다. 이는 반사실적 추론 (counterfactual reasoning)이 단방향 추론 (single-direction inference)의 한계를 효과적으로 극복하여, LLM이 더욱 식별력 있는 추론을 수행하도록 유도하고 구조화된 추론 작업에 대해 더 원칙적인 패러다임을 구축함을 나타냅니다. 우리의 코드는 논문 채택 시 공개될 예정입니다.