LLM 기반의 검색 증강 생성 (RAG, Retrieval-Augmented Generation)은 자동 팩트 체크 (AFC, Automated Fact-Checking) 및 관련 작업에 점점 더 많이 사용되고 있습니다. RAG 기반 시스템은 LLM의 출력을 검색된 증거에 근거하게 함으로써, 기반 모델과 독립적으로 외부 정보를 업데이트할 수 있게 하는 동시에 투명한 근거를 제공합니다. 그러나 기존의 접근 방식은 검색된 증거가 신뢰할 수 있다고 가정하는 경우가 많지만, 실제 세계의 정보는 상충되거나 시대에 뒤처질 수 있으며, 신뢰할 수 없거나 편향된 출처에서 유래할 수 있습니다. *출처 비판적 추론 (Source-critical reasoning)*에 관한 최근 연구는 하위 단계의 사실 검증을 지원하기 위해 증거 출처의 신뢰성을 평가하는 미디어 배경 조사 (MBCs, Media Background Checks) (Schlichtkrull, 2024)를 통해 이 과제를 해결합니다. 하지만 MBC를 생성하는 것은 비용이 많이 드는 독점적 검색 API에 의존하므로 재현성이 제한됩니다. 이 문제를 완화하기 위해, 우리는 200개의 미디어 출처에 걸쳐 MBC 생성의 재현 가능하고 저비용인 평가를 가능하게 하는 웹 소스 문서의 공개 지식 저장소인 MEDIAREF를 소개합니다. 우리는 컬렉션을 구축하고 업데이트하기 위한 재현 가능한 방법론을 설명하고, MBC 생성 작업에 대해 널리 사용되는 LLM들을 평가하며, 자동 및 정성적 평가 모두를 통해 MEDIAREF가 더 높은 품질의 MBC 생성을 지원함을 입증합니다.