यह शोधपत्र GuARD का प्रस्ताव करता है, जो पाठ-समृद्ध ग्राफ़ में विसंगति पहचान के लिए एक नवीन मॉडल है। मौजूदा बड़े पैमाने के भाषा मॉडल (LLM)-आधारित विसंगति पहचान विधियाँ पाठ्य सूचना का प्रभावी ढंग से उपयोग करने में असमर्थता या ग्राफ़ की संरचनात्मक विशेषताओं पर विचार करने में विफलता जैसी सीमाओं से ग्रस्त हैं। GuARD, ग्राफ़-आधारित विधियों की संरचनात्मक विशेषताओं को लघु-स्तरीय भाषा मॉडलों से निकाले गए सूक्ष्म अर्थ संबंधी गुणों के साथ संयोजित करके इन चुनौतियों का समाधान करता है। यह एक उन्नत बहु-मॉडल, बहु-पास निर्देशात्मक समायोजन ढाँचे का उपयोग करता है, जो पाठ्य और संरचनात्मक दोनों प्रकार के तौर-तरीकों को एकीकृत करने के लिए अनुकूलित है। चार डेटासेट पर प्रायोगिक परिणाम मौजूदा विधियों की तुलना में बेहतर प्रदर्शन, प्रशिक्षण गति और अनुमान गति प्रदर्शित करते हैं।
