본 논문은 대규모 언어 모델(LLM)의 환각 현상 문제를 해결하기 위해 명시적 지식 경계 모델링(EKBM) 프레임워크를 제안합니다. EKBM은 빠른 추론 시스템과 느린 추론 시스템을 통합하여 신뢰성과 사용성을 조화시킵니다. 빠른 시스템은 자신감 수준이 표시된 응답을 생성하고, 불확실한 예측에 대해서는 느린 시스템이 표적 추론을 수행하여 정확도를 향상시킵니다. 하이브리드 학습 파이프라인을 통해 모델의 자기 인식을 향상시키면서 작업 성능 저하를 방지합니다. 대화 상태 추적 작업에 대한 평가 결과, EKBM은 불확실성 기반 기준 모델보다 우수한 신뢰성을 달성하며, 낮은 계산 오버헤드를 유지하면서 정확도를 크게 향상시키는 것을 보여줍니다.
