생물 분자 메커니즘을 이해하기 위해 대규모 언어 모델(LLM)을 지식 그래프 기반의 멀티 홉 추론 체인과 통합하는 Knowledge-Augmented Long-CoT Reasoning 프레임워크를 제안합니다. 이 프레임워크는 지식 그래프에서 가이드된 멀티 홉 탐색과 가지치기를 통해 메커니즘 체인을 구성하고, 이를 감독 학습에 통합하여 사실 기반을 개선하고 강화 학습으로 추론 신뢰성을 높입니다. 또한, 새로운 생물 분자 질문 응답 벤치마크인 PrimeKGQA를 도입합니다. 실험 결과는 제안하는 방법이 멀티 홉 작업에서 기존 방법보다 우수한 성능을 보임을 보여줍니다.
시사점, 한계점
•
시사점:
◦
구조화된 지식과 고급 추론 전략의 결합을 통해 신뢰할 수 있고 해석 가능한 생물 분자 추론 가능성 제시.
◦
멀티 홉 작업에서 기존 방법 대비 우수한 성능을 보이며, 복잡한 생물학적 지식의 처리 능력 입증.
