온라인 뉴스의 빠른 업데이트는 사건 전개 과정을 추적하는 것을 어렵게 만들며, 이는 타임라인 요약(TLS)의 필요성을 강조합니다. LLM이 생성한 내용이 원본 뉴스에서 벗어나는 '환각(Hallucinations)'은 여전히 LLM 기반 TLS에서 중요한 문제로 남아 있지만, 기존 연구에서는 충분히 다루어지지 않았습니다. 이러한 격차를 해소하기 위해, 우리는 두 가지 주요 유형의 환각을 식별했습니다: 뉴스 요약 과정 중 발생하는 부정확한 내용과 날짜-사건 요약에서 발생하는 정보 누락입니다. 이에 저희는 CoT(Chain-of-Thought) 추론을 활용하여 TLS의 환각 현상을 완화하는 새로운 프레임워크인 NTS-CoT를 제안합니다. 이 프레임워크는 세 가지 핵심 모듈로 구성됩니다: i) 충실한 요약을 위해 필수적인 뉴스 요소를 포착하는 Element-CoT, ii) 시간적 중요도와 사건의 두드러짐함을 결합하여 타임스탬프를 선택하는 Date Selection, 그리고 iii) 인과 관계를 추론하고 날짜-사건 요약에서의 누락을 줄이는 Causal-CoT입니다. 세 가지 TLS 벤치마크에 대한 정량적 분석과 인간 평가를 포함한 광범위한 실험을 통해, NTS-CoT가 기존 최첨단 기준(state-of-the-art baselines)보다 우수한 성능을 보이며, 환각 현상을 효과적으로 완화하고 LLM 기반 TLS의 성능을 향상시키는 것을 입증했습니다. 저희 소스 코드는 https://anonymous.4open.science/r/NTS-CoT 에서 이용 가능합니다.