본 논문은 복잡한 다단계 질문 응답(MQA) 과제에서 대규모 언어 모델(LLM)의 한계를 극복하기 위해, 지식 그래프의 구조적 이점과 LLM의 생성 능력을 결합한 훈련이 필요 없는 프레임워크인 ORACLE(Ontology-driven Reasoning And Chain for Logical Elucidation)을 제시한다. ORACLE은 질문 특정 지식 온톨로지를 동적으로 생성하고, 이를 일차 논리 추론 체인으로 변환하며, 원래 질문을 논리적으로 일관된 하위 질문으로 분해하는 세 단계로 구성된다. 여러 MQA 벤치마크에 대한 실험 결과, ORACLE은 DeepSeek-R1과 같은 최첨단 모델들과 경쟁력 있는 성능을 달성하며, 각 구성 요소의 효과와 기존 접근 방식보다 더 논리적이고 해석 가능한 추론 체인을 생성함을 보여준다.
