본 논문은 대규모 언어 모델(LLM)의 환각 현상을 줄이기 위한 검색 증강 생성(RAG) 전략의 한계를 해결하고자, 강화 학습(RL) 기반의 새로운 에이전트인 IKEA를 제안합니다. IKEA는 모델의 내부 지식 경계를 인식하고, 내부 지식이 충분할 경우에는 이를 우선적으로 활용하며, 부족할 경우에만 외부 검색을 활용하는 방식으로 동작합니다. 이는 내부 및 외부 지식의 시너지 효과를 위한 새로운 지식 경계 인식 보상 함수와 학습 데이터셋을 통해 구현됩니다. 실험 결과, IKEA는 기존 방법보다 성능이 우수하고, 검색 빈도를 크게 줄이며, 견고한 일반화 능력을 보이는 것으로 나타났습니다.
