저자들은 추론 중에 사실상의 오류를 적시에 확인하고 수정함으로써 추론 언어 모델의 신뢰성을 향상시키는 프레임워크인 CheckRLM을 제안합니다. 이 접근 방식은 추론 체인에서 사실상의 주장을 추출하여 불일치를 식별하고 외부 지식을 통해 최소 비용으로 수정을 적용합니다.
- 미묘한 지식 불일치를 국소화하기 위해 사실상의 주장을 추출합니다.
- 오류 감지 시 외부 지식을 활용하여 정확한 수정을 수행합니다.
- 더 낮은 비용으로 장기 추론에서 오류 축적을 완화합니다.
- 광범위한 실험에서 기존 기준선을 크게 초과합니다.
CheckRLM은 추론 체인과 올바른 지식 간의 일관성을 보장하여 지식 집약적 작업에서의 사실상의 오류 문제를 해결합니다.