연구진이 LLM의 환각 현상을 줄이기 위해 EG-VAR(Evidence-Grounded Verified Agentic Reasoning)라는 새로운 아키텍처를 개발했어요.
EG-VAR은 Lean 4 기반으로, 도구 인증과 커널 검증을 통해 검증된 주장을 생성하며, 증거 없이 생성되는 주장은 'Abstain'으로 처리돼 감사 추적 기록을 남겨요.
TableBench 숫자 추론 테스트에서 120/120의 정확도를 달성했으며, 스트레스 테스트에서도 기존 방식보다 높은 정확도를 유지했어요.
향후 데이터셋, API, 공공 기록 등에 타입화된 사이더카를 적용해 형식화 부담을 줄이고, LLM의 신뢰도를 높일 수 있을 것으로 기대돼요.