연구진이 불완전한 지식 그래프 증거 하에서 LLM 추론 과정을 이론적으로 분석했어요. 관찰 가능한 LLM 경로를 증거 상태에 근거하여 분석하고, 엔티티 앵커, 관계 잔류, 경로 에너지, 지원 영역 등을 정의했어요. 불완전한 환경에서는 관찰된 상태만으로 모든 거짓 경로를 배제하고 모든 참 경로를 유지하는 규칙을 만들 수 없다고 밝혔어요.
연구는 LLM 우선 분포를 KL 정규화하여 변형하는 소프트 근거를 제시하며, 이를 통해 지원되지 않지만 모순되지 않는 경로를 유지할 수 있도록 설계했어요. 증거 변화에 따른 안정성 경계를 제시하고, GraphRAG, KGQA, 그래프 에이전트 등 다양한 분야에 적합한 제약 조건을 명확히 했어요.
연구는 지식 그래프 호환성을 사실 여부가 아닌 선언된 지원으로 간주하며, LLM 추론의 근거화에 대한 새로운 관점을 제시했어요.