본 논문은 대규모 언어 모델(LLM)이 사실적으로 정확하지만 정보가 부족한 텍스트를 생성하는 경향이 있다는 문제를 다룹니다. 이는 단순히 사실적 정확성만을 고려하는 것에서 벗어나, 정보의 충실성까지 고려해야 함을 시사합니다. 이를 해결하기 위해, 본 논문에서는 정보 충실성 정렬 메커니즘을 제안합니다. 이 메커니즘은 최근의 사실성 벤치마크를 활용하여 정확성과 정보성을 모두 고려하는 목표 함수를 제시합니다. 해당 목표 함수를 최대화하도록 모델을 훈련시키면 정보성뿐 아니라 사실성도 향상될 수 있음을 주요 결과로 제시합니다.
