본 논문은 대규모 언어 모델(LLM)을 이용한 캐릭터 흉내내기에서의 한계점을 해결하기 위해 RoleRAG라는 새로운 프레임워크를 제안합니다. 기존 LLM은 캐릭터의 배경과 일치하지 않는 비관련적이거나 일관성 없는 콘텐츠를 생성하는 문제가 있는데, 이는 엔티티 모호성으로 인한 캐릭터 특정 지식의 부정확한 재현과 캐릭터의 인지적 경계에 대한 인식 부족 때문입니다. RoleRAG는 효율적인 엔티티 불명확성 해소를 통한 지식 색인과 구조화된 지식 그래프에서 문맥적으로 적절한 정보를 추출하는 경계 인식 검색기를 통합하여 이러한 문제를 해결합니다. 실험 결과, RoleRAG의 보정된 검색은 범용 및 역할 특정 LLM 모두 캐릭터 지식과의 정렬을 개선하고 환각 응답을 줄이는 데 도움이 됨을 보여줍니다.
