본 논문은 대규모 언어 모델(LLM)의 환각 문제 해결을 위해 원자 수준의 신뢰도 보정(atomic calibration)이라는 새로운 방법을 제시합니다. 기존의 LLM 신뢰도 보정 연구는 단문 작업에 초점을 맞춰 응답 수준에서 단일 신뢰도 점수를 제공하는 반면(거시적 보정), 본 논문에서는 긴 응답을 원자적 주장으로 분해하여 세분화된 수준에서 사실성 보정을 평가하는 원자적 보정을 제안합니다. 또한, 신뢰도 유도 방법을 판별적 및 생성적 유형으로 분류하고, 두 유형의 조합이 보정 성능을 향상시킬 수 있음을 보여줍니다. 다양한 LLM과 데이터셋에 대한 광범위한 실험을 통해 원자적 보정이 장문 생성에 적합하며 거시적 보정 결과도 향상시킬 수 있음을 확인하고, 생성 과정 전반에 걸친 LLM 신뢰도의 통찰력 있는 패턴을 밝혀냅니다.
