대규모 언어 모델(LLM)의 현실 적용 시 주요 문제인 환각 현상을 해결하기 위한 연구의 개요를 담고 있다. 특히, 환각 억제에서 창의성과 신뢰성 균형을 맞추는 방향으로 전환됨에 따라, 검색 증강 생성(RAG)과 추론 향상이 가장 효과적인 접근법으로 부상했다. 본 논문은 RAG, 추론 향상, 그리고 에이전트 시스템에서의 통합이 환각을 어떻게 완화하는지 응용 중심 관점에서 분석한다. 지식 기반 및 논리 기반 환각을 구분하는 분류 체계를 제시하고, RAG와 추론이 각 유형의 환각을 어떻게 해결하는지 체계적으로 분석하며, 실제 적용 사례, 평가 및 벤치마크를 통해 뒷받침되는 통합 프레임워크를 제시한다.
