본 논문은 다중 문서, 다국어 환경에서의 자연어 추론(NLI) 문제인 Cross-Document Cross-Lingual NLI (CDCL-NLI)에 대한 새로운 패러다임을 제시합니다. 기존 NLI의 능력을 다 문서, 다국어 시나리오로 확장하기 위해, 26개 언어를 포함하는 1,110개 인스턴스의 고품질 CDCL-NLI 데이터셋을 구축했습니다. 또한, RST(Rhetorical Structure Theory) 기반의 RGAT(Relation-aware Graph Attention Network)를 사용한 문서 간 맥락 모델링과 어휘 사슬을 기반으로 한 구조 인식 의미 정렬 메커니즘을 통합한 혁신적인 방법을 제안하여 기준 모델을 구축했습니다. 추론 해석성을 위해 EDU(Elementary Discourse Unit) 수준의 추출형 설명을 생성하는 프레임워크를 개발했습니다. 실험 결과, DocNLI, R2F와 같은 기존 NLI 모델 및 Llama3, GPT-4o와 같은 대형 언어 모델보다 성능이 우수함을 보였습니다. 본 연구는 NLI 연구에 새로운 시각을 제시하고, 다 문서 다국어 맥락 이해, 의미 검색 및 해석 가능한 추론에 대한 연구 관심을 불러일으킬 것입니다.
