본 논문은 법률 영역에서 Retrieval-Augmented Generation (RAG) 시스템의 한계점을 해결하기 위해 Structure-Aware Temporal Graph RAG (SAT-Graph RAG) 프레임워크를 제시합니다. 기존 RAG 시스템의 단순한 텍스트 검색 방식은 법률의 계층적, 시대적, 인과적 구조를 고려하지 못하여 시대착오적이고 신뢰할 수 없는 답변을 생성하는 문제점을 가지고 있습니다. SAT-Graph RAG는 법적 규범의 형식적 구조와 시대적 특성을 명시적으로 모델링하여 이러한 문제를 해결합니다. LRMoo 모델에서 영감을 받은 형식적 지식 그래프를 기반으로 추상적인 법률 문서와 그 버전화된 표현을 구분하고, 시간적 상태를 효율적으로 집계하여 변경되지 않은 구성 요소의 버전화된 표현을 재사용합니다. 또한, 입법적 사건을 1차 Action 노드로 구체화하여 인과 관계를 명시적이고 질의 가능하게 만듭니다. 이러한 구조적 기반을 통해 계획자에 의해 안내되는 통합된 질의 전략을 사용하여 (i) 특정 시점 검색, (ii) 계층적 영향 분석, (iii) 감사 가능한 출처 재구성 등 복잡한 요청을 결정적으로 해결합니다. 브라질 헌법을 대상으로 한 사례 연구를 통해 이 접근 방식이 검증 가능하고 시대적으로 정확한 LLM 기반을 제공하여 고차원 분석 기능을 가능하게 하고 사실적 오류의 위험을 크게 줄이는 것을 보여줍니다. 결과적으로 더 신뢰할 수 있고 설명 가능한 법률 AI 시스템을 구축하기 위한 실용적인 프레임워크를 제공합니다.
