본 논문은 장문 맥락을 다루는 대규모 언어 모델(LLM)의 출력에 기여하는 맥락 내 특정 텍스트를 식별하는 새로운 프레임워크인 TracLLM을 제시합니다. 장문 맥락 LLM은 RAG, 에이전트, 광범위한 LLM 통합 애플리케이션과 같은 다양한 실제 애플리케이션에 배포되며, 정확하고 최신이며 검증 가능한 출력을 제공하고 환각 및 근거 없는 주장을 줄이는 것을 목표로 합니다. 기존의 특징 귀속 방법(예: Shapley)은 장문 맥락 LLM에 적용될 때 성능이 좋지 않거나 계산 비용이 많이 들기 때문에, 본 논문에서는 효율성과 효과성을 향상시키는 TracLLM을 개발합니다. TracLLM은 정보 기반 검색 알고리즘과 기여 점수 앙상블/잡음 제거 기술을 사용하여 기존 방법의 효율성과 정확성을 개선합니다.
