본 논문은 기존의 쌍대 비교 방식의 한계를 극복하고, 여러 문장 또는 질의응답 쌍의 논리적 일관성을 검증하는 새로운 과제인 집합 일관성 검증(set-consistency verification)을 제시합니다. 자연어 추론(NLI)을 확장한 이 과제를 위해, 대조 손실(contrastive loss) 프레임워크를 사용하여 문장 집합 간의 호환성을 학습하는 새로운 모델인 집합 일관성 에너지 네트워크(SC-Energy)를 제안합니다. SC-Energy는 비일관성을 효율적으로 검증하고 모순의 원인이 되는 특정 문장을 지적하며, 프롬프트 기반 LLM 모델을 포함한 기존 방법보다 성능이 뛰어납니다. 또한, 집합 일관성 검증 과제를 위한 두 개의 새로운 데이터셋인 Set-LConVQA와 Set-SNLI를 공개합니다.
