본 논문은 대규모 언어 모델(LLM)의 허위 정보 생성 문제를 해결하기 위해 지식 그래프(KG)를 활용한 새로운 프레임워크 FiDeLiS를 제안합니다. FiDeLiS는 단계별 빔 서치와 연역적 점수 함수를 사용하여 LLM이 KG에서 검증 가능한 추론 단계를 통해 답변을 생성하고, Path-RAG 모듈을 통해 탐색 공간을 줄여 계산 비용을 절감합니다. 기존의 KG 기반 방법들이 지식 검색 및 탐색의 어려움을 겪는 것과 달리, FiDeLiS는 훈련 없이도 정확성, 사실성, 해석 가능성을 향상시키는 것을 실험을 통해 보여줍니다.