본 논문은 항공 안전에 중요한 NOTAM(Notice to Airmen)의 정확한 해석을 위한 심층 파싱 기술을 제안합니다. NOTAM의 난해한 언어 문제를 해결하기 위해, 동적 지식 기반(실시간 항공 데이터 연결)과 스키마 기반 추론(정적 규칙 적용)을 결합한 심층 파싱을 정의합니다. NOTAM-Evolve라는 자체 진화 프레임워크를 개발하여, 대규모 언어 모델(LLM)이 복잡한 NOTAM 해석을 자율적으로 학습하도록 합니다. 이 프레임워크는 지식 그래프 기반 검색 모듈을 활용하여 데이터 기반을 마련하고, LLM이 자체 출력을 통해 지속적으로 개선되는 폐쇄 루프 학습 과정을 도입하여, 인간 주석 기반의 추론 과정을 최소화합니다. 또한, 10,000개의 전문가 주석이 달린 새로운 벤치마크 데이터셋을 제시합니다. 실험 결과, NOTAM-Evolve는 기본 LLM보다 30.4%의 정확도 향상을 보이며, 구조화된 NOTAM 해석 분야에서 새로운 최고 성능을 기록했습니다.
