본 논문은 대규모 언어 모델(LLM)의 환각 문제를 완화하기 위한 새로운 방법인 Re-Ex를 제안합니다. Re-Ex는 LLM이 생성한 응답을 사후 편집하는 방법으로, 사실 오류 설명 단계라는 새로운 추론 단계를 도입합니다. 이 방법은 외부 도구를 사용하여 초기 응답의 사실 오류 증거를 수집하고, 이를 바탕으로 LLM이 문제 부분을 설명하게 한 후, 그 설명을 사용하여 초기 응답을 수정하는 3단계 과정으로 이루어집니다. 또한, 응답 수정 과정에 필요한 토큰 수와 추론 시간을 줄이기 위한 새로운 프롬프팅 기법도 포함합니다. 실험 결과, Re-Ex는 FacTool, CoVE, RARR 등 기존 방법들보다 여러 벤치마크에서 더 나은 탐지 및 수정 성능을 더 적은 추론 시간과 토큰 수로 달성했습니다.
