본 논문은 대규모 언어 모델(LLM)의 정적 지식과 동적 지식 그래프(KG) 사이의 격차를 해소하기 위해, 추론 시점에 외부 KG를 동적으로 통합하는 새로운 프레임워크인 KGA(Knowledge Graph-guided Attention)를 제시한다. KGA는 파라미터 수정 없이, 자가-주의 모듈을 재구성하여, 입력 기반 KG 융합을 통한 '하향식 지식 융합' 경로와 목표 지향적 검증을 통한 '상향식 주의 가이드' 경로를 도입한다. 이 두 경로는 시너지 효과를 내며, 실시간 지식 융합을 지원한다.
