대규모 언어 모델(LLM)은 강력한 의미 이해 능력을 보여주지만, 모호하거나 개념적으로 일치하지 않는 용어를 사용하는 사용자 지침에는 어려움을 겪습니다. 본 논문은 자연어로부터 상속, 별칭, 구성과 같은 메타 관계를 추출하여 개념적 명확성을 향상시키는 언어 그래프 모델(LGM)을 제안합니다. LGM은 이러한 메타 관계를 검증하기 위해 반사 메커니즘을 사용합니다. 개념 반복 검색 알고리즘을 활용하여, 이러한 관계와 관련 설명을 LLM에 동적으로 제공하여 개념 해석 및 정확한 응답 생성 능력을 향상시킵니다. 긴 컨텍스트 윈도우에 의존하는 기존의 검색 증강 생성(RAG) 방식과 달리, 본 방법은 대규모 언어 모델이 텍스트를 자르지 않고 어떤 길이든 처리할 수 있도록 합니다. 표준 벤치마크 실험 결과, LGM이 기존 RAG 기준선을 지속적으로 능가하는 것을 확인했습니다.
