연구진은 지식 그래프 기반 검색 증강 생성(GraphRAG) 시스템의 추론 과정을 설명하기 위한 새로운 프레임워크인 XGRAG를 개발했어요.
XGRAG는 그래프 기반의 교란 전략을 사용하여 개별 그래프 구성 요소가 모델 답변에 미치는 영향을 정량화하고, 기존 RAG 설명 방법보다 14.81% 높은 설명 품질을 보여줬어요.
XGRAG는 NarrativeQA, FairyTaleQA, TriviaQA 데이터셋에서 F1 점수를 통해 설명과 답변의 일치성을 평가했으며, 그래프 중심성 측정값과 강한 상관관계를 보여줬어요.