본 논문은 의료 분야 질의응답(QA)에서 검색 증강 생성(RAG)의 성능 향상을 위해, 검색된 문서들로부터 명제적 주장을 활용하여 지역적 지식 그래프를 구성하는 새로운 방법을 제안합니다. 이 지식 그래프로부터 계층적 요약을 통해 요약본을 생성하고, 이를 소형 언어 모델에 적용하여 QA를 수행합니다. 여러 의료 QA 벤치마크에서 기존 RAG 기준 모델들과 비교하여 동등하거나 우수한 성능을 달성하였으며, 각 단계별 효과를 평가하는 실험 결과도 제시합니다. 핵심은 다중 문서 관계를 효과적으로 포착하는 데 있으며, 특히 생물의학 작업에 중요한 문제를 해결하는 데 초점을 맞추고 있습니다.
