본 논문은 LLM의 오래된 지식과 환각 문제 해결을 위해 외부 지식을 활용하는 방안을 연구합니다. 하지만 외부 지식은 불완전하고 부정확한 정보를 포함할 수 있으므로, 유용한 지식의 활용을 저해합니다. 따라서 본 논문은 LLM이 선호하는 외부 지식의 특징을 규명하고 불완전한 환경에서 실험적 연구를 수행합니다. 연구는 '증거의 사슬(CoE)' 개념에서 영감을 얻어, LLM이 선호하는 지식은 질문과 관련성이 높고, 서로 지지하는 여러 조각으로 구성되어야 함을 제시합니다. CoE 기반의 접근 방식을 제안하고, CoE와 비 CoE 샘플 간의 유의성, 기만성, 강건성을 비교 분석하여 LLM이 CoE 특징과 일치하는 외부 지식을 선호함을 밝힙니다. RAG 기반 다단계 질의응답, 외부 지식 오염, 오염 방어 등 세 가지 대표적인 과제에 대해 기존 최고 성능 또는 일반적인 기준 모델과 비교 분석하여 CoE 특징을 통합한 변형 모델이 성능 향상을 달성함을 보여줍니다.
