본 논문은 대규모 언어 모델(LLM)의 환각(hallucination) 문제 해결을 위한 새로운 불확실성 기반 의미 클러스터링 프레임워크를 제시한다. 기존의 환각 감지 방법들 중 불확실성 기반 방법의 장점(구현 용이성, 외부 데이터 독립성, 표준 LLM과의 호환성)을 활용하여, 문장 임베딩과 계층적 클러스터링, 그리고 새롭게 제안된 불일치 측정 지표 SINdex를 이용하여 더욱 균질한 클러스터를 생성하고 다양한 LLM에서 환각 현상을 더 정확하게 감지한다. 개방형 및 폐쇄형 질의응답 데이터셋에서의 평가 결과, 최첨단 기술 대비 최대 9.3%의 AUROC 향상을 달성하였으며, 추가적인 ablation study를 통해 프레임워크의 각 구성 요소의 효과를 검증하였다.
