MARS는 지식 그래프(KG)를 활용하여 LLM의 환각 현상을 줄이고 신뢰성을 높이는 KGQA 접근 방식입니다. 질문 엔티티를 KG에 연결하고 관련 정보를 반복적으로 검색하며, 질문에 따라 검색 깊이를 조절합니다. 세 가지 KGQA 벤치마크에서 다양한 LLM 환경에서 평가 결과, 기존 방식과 경쟁력 있는 성능을 보였습니다.
MARS는 모델 파인튜닝 없이도 작동하며, 질문에 따라 적응적으로 검색 깊이를 조절하여 예측 가능성을 높입니다. 멀티링구얼 평가 및 분석 연구를 통해 유효성을 검증했으며, 효율성과 확장성을 유지합니다. GitHub에서 관련 코드와 리소스를 공개했습니다.
MARS는 기존 LLM의 한계를 극복하고 지식 기반 작업에서 더 정확하고 신뢰할 수 있는 답변을 제공하는 데 기여할 것으로 기대됩니다.