생성하기 전에 읽어라! 기계 독해를 통한 � faithful 한 장문형 질문 응답

장문형 질문 응답(Long-form Question Answering, LFQA)은 주어진 질문에 대해 단락 수준의 답변을 생성하는 것을 목표로 한다. 현재 대규모 사전 훈련 모델을 활용한 LFQA 연구는 유창하고 다소 관련성 있는 콘텐츠를 효과적으로 생성하고 있으나, 핵심적인 과제는 환상적( hallucinated ) 콘텐츠가 적은 신뢰할 수 있는 답변을 생성하는 방식을 어떻게 설계하느냐에 있다. 본 연구에서는 답변 생성과 기계 독해를 종합적으로 모델링하는 새로운 엔드투엔드 프레임워크를 제안한다. 핵심 아이디어는 생성 모델에 세밀한, 답변과 관련된 중요한 정보를 보강함으로써 신뢰할 수 있는 사실에 초점을 맞추는 것이다. ELI5와 MS MARCO라는 두 가지 LFQA 데이터셋에서 최신 기술 수준의 성능을 입증하였으며, 자동 평가 및 인간 평가 지표에서 강력한 기준 모델들과 비교하여 본 방법의 효과성을 입증하였다. 또한 상세한 분석을 통해 제안한 방법이 유창하고 관련성 있으며, 더 신뢰할 수 있는 답변을 생성하는 데 있어 뛰어난 능력을 갖추고 있음을 확인할 수 있었다.