RSF-GLLM은 멀티홉 지식 그래프 질문 응답에서 의미 격차를 해소하기 위해 설계된 프레임워크입니다. GRU 기반의 쿼리 업데이트를 통해 관련성 점수를 연속적으로 전파하여 구조적 단서를 활용해 의미적으로 유사하지 않은 브리지 노드를 탐색합니다.
Recurrent Soft-Flow (RSF) 모듈은 LLM을 활용해 답변 생성을 돕고, 사실 기반의 토폴로지에 기반하도록 합니다.
WebQSP 및 CWQ 실험 결과, RSF-GLLM은 기존 LLM 기반 접근 방식보다 우수한 효율성을 보였습니다.