본 논문은 대규모 언어 모델(LLM)을 활용한 금융 애플리케이션의 팩트 신뢰성과 계산 효율성을 향상시키기 위해, 금융 팩트 체크에 특화된 합성 데이터 생성 프레임워크인 FISCAL (Financial Synthetic Claim-Document Augmented Learning)을 제안합니다. FISCAL을 사용하여 생성된 FISCAL-data를 기반으로, 경량의 수치적 금융 정보 검증기인 MiniCheck-FISCAL을 훈련시켰습니다. MiniCheck-FISCAL은 기존 모델과 GPT-3.5 Turbo, 유사 사이즈의 오픈소스 모델들을 능가하며, Mixtral-8x22B 및 Command R+와 같은 대형 모델에 근접하는 정확도를 보였습니다. 외부 데이터셋 FinDVer 및 Fin-Fact에서도 GPT-4o 및 Claude-3.5와 비슷한 성능을 보이며 Gemini-1.5 Flash를 능가했습니다.
