본 논문은 AI의 정보 신뢰성 평가 및 정당화의 어려움을 지적하며, 온라인 정보의 신뢰성 평가를 돕는 시스템의 필요성을 강조합니다. 기존 검색 엔진의 신뢰성 지표 부족 문제를 해결하고자, IBM의 Granite-1B를 기반으로 신뢰성 점수를 매기고 설명을 제공하는 TrueGL 모델을 제시합니다. TrueGL은 사용자 정의 데이터셋으로 미세 조정되었으며, prompt engineering을 통해 0.1~1의 연속적인 신뢰성 점수와 함께 텍스트 설명을 생성합니다. 실험 결과, TrueGL은 MAE, RMSE, R2와 같은 주요 평가 지표에서 다른 소규모 LLM 및 규칙 기반 접근 방식보다 우수한 성능을 보였습니다. 높은 정확도, 광범위한 콘텐츠 적용 범위, 그리고 사용 편의성으로 신뢰할 수 있는 정보 접근성을 높이고 허위 정보 확산을 줄이는 데 기여합니다. 소스 코드와 모델은 공개적으로 제공됩니다.
