본 논문은 대규모 언어 모델(LLM)의 환각(hallucination) 문제 해결을 위한 신경상징적 접근법을 제시한다. LLM의 부정확성과 논리적 불일치를 해결하기 위해, OWL 온톨로지, HermiT 같은 심볼릭 추론 엔진, 그리고 경량 머신러닝 모델(로지스틱 회귀)을 통합하는 워크플로우를 제안한다. 자연어 문장을 온톨로지와 호환되는 논리 형식으로 매핑하고, LLM 출력과 온톨로지 간의 불일치를 감지하면 설명적인 피드백을 생성하여 반복적인 개선 루프를 통해 LLM이 논리적으로 일관된 응답을 생성하도록 유도한다. 파이썬 프로토타입을 통해 제안된 방법의 효용성을 보여주며, 특정 영역에서의 실험 결과는 의미적 일관성 및 사실적 정확성이 향상됨을 보여준다.
