본 연구는 지식 그래프 질의응답(KGQA)의 신뢰성 문제를 해결하기 위해 Conformal Path Reasoning(CPR) 프레임워크를 제안합니다.
CPR은 경로 수준의 교정된 예측 집합을 생성하고, Residual Conformal Value Network(RCVNet)을 도입하여 경로 수준의 비적합성 점수를 학습합니다.
실험 결과, CPR은 기존 방법 대비 Empirical Coverage Rate를 34% 향상시키고 예측 집합 크기를 40% 줄였습니다.