본 논문은 Retrieval-Augmented Generation (RAG)에서 생성된 콘텐츠의 특정 맥락 부분에 대한 신뢰할 수 있는 귀속(context attribution) 문제를 해결하기 위해 Jensen-Shannon Divergence 기반의 새로운 방법인 ARC-JSD를 제안합니다. ARC-JSD는 추가적인 fine-tuning이나 surrogate modeling 없이 효율적이고 정확하게 중요한 맥락 문장을 식별합니다. TyDi QA, Hotpot QA, Musique와 같은 다양한 RAG 벤치마크에서 instruction-tuned LLMs을 사용한 평가 결과, 기존의 surrogate-based 방법에 비해 정확도가 향상되고 계산 효율성이 크게 개선됨을 보여줍니다. 또한, 메커니즘 분석을 통해 맥락 귀속에 책임이 있는 특정 attention heads와 multilayer perceptron (MLP) layers를 밝혀 RAG 모델의 내부 작동 방식에 대한 귀중한 통찰력을 제공합니다.