본 논문은 대규모 언어 모델(LLM)의 환각(hallucination) 문제, 즉 존재하지 않는 사실을 생성하는 문제를 해결하기 위해 제안된 MAC-Tuning 방법을 소개합니다. 기존 연구들이 단일 문제 설정에 집중한 것과 달리, 본 논문은 여러 문제를 동시에 정확하게 답해야 하는 다중 문제 설정에서 LLM이 자신의 내부 매개변수화된 지식 경계를 인식하는 문제를 다룹니다. MAC-Tuning은 지시 데이터에 대한 미세 조정 중에 답변 예측과 신뢰도 추정 학습을 분리하는 새로운 방법으로, 실험 결과 기존 방법보다 평균 정밀도가 최대 25% 향상됨을 보여줍니다.
