지식 그래프 그라운딩은 학습 외 지식(Out-of-Training Knowledge)에 대해서만 LLM에 도움이 된다: 임상 질의응답에 관한

요약

지식 그래프(KG) 그라운딩이 LLM의 성능에 미치는 영향을 분석한 연구입니다. 실험 결과, KG 그라운딩은 모델이 이미 학습한 지식에는 도움이 되지 않으며, 학습 데이터에 포함되지 않은 새로운 지식(Out-of-Training Knowledge)을 다룰 때만 성능을 유의미하게 향상시킵니다.

핵심 포인트

• 지식 그래프 그라운딩은 학습 외 지식에 대해서만 효과적임
• 기존 공개 KG 데이터는 LLM의 학습 데이터와 중복될 가능성이 높음
• 비공개 및 신규 데이터 활용 시 실질적인 성능 이득 발생
• Nature Medicine의 기존 연구 결과에 대한 재현 및 버그 발견