본 논문은 장문 텍스트의 사실성 평가를 위한 분해-검증(Decompose-Then-Verify) 패러다임에 대한 연구로, 기존 연구들이 분해와 검증을 개별적으로 다루는 한계를 지적합니다. 특히, 수동으로 설계된 기존 분해 정책들이 정보 밀도를 정량화하는 새로운 지표인 '원자성(atomicity)' 측면에서 하위 검증기와 잘 맞지 않아 최적의 검증 결과를 얻지 못한다는 점을 발견하였습니다. 이에 따라, 최적의 검증을 위한 최적 분해 정책을 찾는 문제를 이중 수준 최적화 문제로 공식화하고, 강한 NP-hard 문제에 대한 근사 해법으로 검증기의 피드백을 활용하여 주장을 동적으로 분해하는 강화 학습 프레임워크인 '동적 분해(dynamic decomposition)'를 제안합니다. 실험 결과, 동적 분해는 기존 분해 정책보다 우수한 성능을 보이며, 다양한 검증기, 데이터셋, 입력 주장의 원자성에 걸쳐 검증 신뢰도를 평균 0.07, 정확도를 0.12 향상시켰습니다 (0-1 척도).
