본 논문은 대규모 언어 모델(LLM)의 지식 격차 및 환각 문제를 해결하기 위해 그래프 검색 증강 생성(GraphRAG)을 개선하는 GraphRAG-FI를 제안합니다. GraphRAG는 외부 그래프의 구조화된 지식을 통합하여 LLM의 추론 능력을 향상시키지만, 무관한 정보 검색 및 외부 지식 과의존이라는 문제점을 가지고 있습니다. GraphRAG-FI는 두 단계 필터링 메커니즘을 통해 검색된 정보를 정제하고, 로그릿 기반 선택 전략을 통해 외부 지식과 LLM의 내재적 추론을 균형 있게 활용하여 이러한 문제를 해결합니다. 지식 그래프 질의응답 과제에 대한 실험 결과, GraphRAG-FI는 다양한 기본 모델에서 추론 성능을 크게 향상시키는 것을 보여줍니다.
