연구팀은 지식 그래프 질의응답(KGQA) 모델 학습에 필요한 고품질 중간 지도 생성 문제를 해결하기 위해 PathISE 프레임워크를 제안했습니다.
PathISE는 정답 수준의 레이블로부터 정보적 경로를 학습하는 경량 트랜스포머 기반 추정기를 도입하여, LLM 경로 생성기를 훈련하는 데 사용되는 준지도 수준의 경로 지도(pseudo path-level supervision)를 생성합니다.
세 개의 KGQA 벤치마크 실험 결과, PathISE는 경쟁력 있는 성능을 달성했으며, 기존 KGQA 모델을 향상시키는 데 재사용 가능한 지도 신호를 제공했습니다.