연구진은 LLM의 직관적 의미 해석 한계를 극복하기 위해 신경-기호 하이브리드 아키텍처인 Robust Dual-Signal (RDS) Fusion 프레임워크를 개발했어요.
RDS는 Chain-of-Thought (CoT) 추론 경로를 압축하여 TweetEval 데이터셋에서 78.1% 정확도를 기록하며, 기존 fine-tuned BERTweet 모델과 동등한 성능을 보여줬어요.
iSarcasm 데이터셋에서 RDS는 환각 현상을 22.5% 필터링하며, 기존 supervised SemEval transformer 앙상블보다 높은 아이러니 F1 점수를 달성했어요.