본 연구는 외부 증거와 사실 일치하는 문장으로 수정하는 사실 오류 수정(FEC)의 복합적 문제 해결을 목표로 합니다.
CECoR(Compositional Error Correction via Reasoning-aware Synthesis)은 다중 홉 주장을 해석 가능한 추론 단계로 분해하고, 통제된 교란을 주입하여 고품질 훈련 쌍을 생성하는 프레임워크입니다.
CECoR은 다중 홉 벤치마크에서 뛰어난 성능을 보이며, 단일 홉 수정에도 효과적으로 적용되고 노이즈가 많은 증거 환경에서도 안정적입니다.