본 논문은 대규모 언어 모델(LLM)의 환각(hallucination) 문제를 해결하기 위해 지식 그래프(KG)를 활용한 검색 증강 생성(RAG) 기법을 제안합니다. LLM은 방대한 데이터로 학습되지만 과적합으로 인해 부정확한 정보를 생성하는데, 이는 시의적절하고 사실적이며 개인화된 정보의 부족 때문입니다. 본 논문에서는 지속적으로 업데이트되는 사실 정보를 구조적으로 저장하는 KG의 장점을 활용하여, 사용자 맞춤형 응답 생성을 위한 RAG 기반 접근 방식을 제시합니다. 특히, 달력 데이터를 중심으로 개인 정보를 처리하는 데 초점을 맞추고 있으며, 실험 결과 기존 LLM 대비 개인 정보 이해 및 정확한 응답 생성 능력이 향상됨을 보였습니다. 응답 시간은 다소 증가했습니다.
