본 논문은 대규모 언어 모델(LLM)의 환각(hallucination) 문제를 해결하기 위해 새로운 불확실성 추정 프레임워크인 LogTokU를 제시한다. 기존의 확률 기반 방법들이 토큰 신뢰도 추정에 실패하는 원인을 훈련 단계에서의 증거 강도 정보 손실로 분석하고, 증거 모델링을 이용하여 실시간으로 토큰별 불확실성을 추정하는 LogTokU를 개발하였다. LogTokU는 다중 샘플링 과정 없이 토큰 불확실성을 추정하며, 추정된 불확실성을 활용하여 후속 작업을 안내한다. 실험 결과 LogTokU의 효과성을 확인하였다.
