본 논문은 대규모 언어 모델(LLM)이 상관관계와 인과관계를 구분하는 데 어려움을 겪는 문제를 해결하기 위해, 지식 그래프를 활용한 구조적 사고 능력 부여 방식을 제안합니다. 기존의 직접적인 질문응답 방식 대신, 상관관계 전제를 체계적으로 인코딩하는 지식 그래프를 구축하여 모델의 사고 과정을 안내함으로써 인과 추론 성능을 향상시키는 접근법입니다. Qwen3-32B 모델을 이용한 실험 결과, 제안된 방법은 기존 방식보다 F1 점수를 32.71에서 48.26으로 크게 향상시켰으며(47.5% 증가), 정밀도와 재현율 또한 개선됨을 보였습니다. 이는 모델의 사고 구조화 능력이 인과 추론 성능 향상에 효과적임을 보여줍니다.
