본 논문은 대규모 언어 모델(LLM)의 추론 능력과 지식 그래프(KG)의 사실적 기반을 결합한 새로운 프레임워크인 Reason-Align-Respond (RAR)를 제시합니다. RAR은 LLM 기반 추론 체인 생성기(Reasoner), KG 경로 매핑기(Aligner), 최종 답변 생성기(Responser)의 세 가지 주요 구성 요소로 이루어져 있으며, 기대 최대화 알고리즘을 사용하여 추론 체인과 지식 경로를 반복적으로 개선합니다. WebQSP와 CWQ 벤치마크에서 각각 93.3%와 91.0%의 Hit@1 점수를 달성하여 최첨단 성능을 보였으며, 인간 평가를 통해 KG 경로와 잘 정렬된 해석 가능한 고품질 추론 체인을 생성하는 것으로 확인되었습니다. 또한, 제로샷 일반화 능력이 뛰어나고 추론 중에도 계산 효율성을 유지합니다.
