Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

FiDeLiS: Faithful Reasoning in Large Language Model for Knowledge Graph Question Answering

Created by
  • Haebom

저자

Yuan Sui, Yufei He, Nian Liu, Xiaoxin He, Kun Wang, Bryan Hooi

개요

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.

시사점, 한계점

시사점:
LLM의 사실성 향상을 위한 효과적인 KG 활용 전략 제시
단계별 빔 서치와 연역적 점수 함수를 통한 추론 과정의 검증 및 효율적인 탐색 가능
Path-RAG 모듈을 통한 계산 비용 절감 및 성능 향상
훈련이 필요 없는 training-free framework로서의 장점
향상된 사실성과 해석 가능성
한계점:
특정 유형의 지식 그래프에 대한 의존성 존재 가능성
KG의 완전성 및 정확성에 대한 의존성
복잡한 추론 과정에 대한 적용 가능성 및 한계
대규모 KG에 대한 확장성에 대한 추가적인 연구 필요
👍