대규모 언어 모델(LLM)이 의사 결정 지원에 널리 사용되면서 부정확한 정보를 제공하여 인간의 잘못된 결정을 이끌 수 있는 문제점이 발생했다. 이를 해결하기 위해 외부 문서를 참조하는 Retrieval Augmented Generation (RAG) 기법이 제안되었지만, 기존 RAG 방법은 인간 사용자의 의사 결정의 적절한 캘리브레이션을 보장하는 데 초점을 맞추지 않았다. 본 논문에서는 RAG 기반의 의사 결정이 잘 캘리브레이션되도록 보장하는 새로운 검색 방법인 Calibrated Retrieval-Augmented Generation (CalibRAG)을 제안한다. CalibRAG는 다양한 데이터 세트에 대해 다른 기준선보다 캘리브레이션 성능과 정확도를 향상시키는 것으로 실험적으로 검증되었다.
