본 논문은 전문적인 최신 지식이 필요한 질문에 대해 환각 문제를 겪는 대규모 언어 모델(LLM)의 한계를 해결하기 위해, 반구조화 데이터(텍스트와 관계 정보를 모두 포함)에 대한 질문 응답을 개선하는 새로운 접근 방식인 PASemiQA를 제시합니다. PASemiQA는 반구조화 데이터 내에서 질문에 답하기 위해 관련 텍스트 및 관계 정보를 식별하는 계획을 생성한 후, LLM 에이전트를 사용하여 반구조화 데이터를 탐색하고 필요한 정보를 추출합니다. 기존 RAG 방법들이 벡터화된 텍스트 데이터베이스나 지식 그래프와 같은 단일 유형의 외부 데이터에만 집중하는 것과 달리, PASemiQA는 텍스트와 관계 정보를 함께 활용하여 더욱 정확하고 신뢰할 수 있는 질문 응답을 제공합니다. 실험 결과는 다양한 도메인의 반구조화 데이터셋에서 PASemiQA의 효과를 보여줍니다.
