이 연구는 어텐션 그래프 내 정보 흐름 패턴의 위상 구조를 분석해 환각 응답과 비환각 응답을 효과적으로 구분하는 방법을 제시한다. 연구팀은 포먼-리치 곡률을 분석해 어텐션 그래프 내 정보 병목을 나타내는 구조적 패턴을 식별하고, 환각 응답과 연관된 어텐션 헤드의 준지역적·전역적 정보 흐름 특성을 모두 포착하는 방법을 도입했다. 여러 LLM과 확립된 벤치마크에서 광범위하게 평가한 결과, 제안한 단일 패스 방법이 두 개의 환각 탐지 벤치마크에서 기존 어텐션 기반 및 다중 응답 기준선 대비 일관된 개선을 보였으며, 다양한 LLM 아키텍처에서도 경쟁력 있는 성능을 달성했다. 추가 분석에서는 인과적 생성 중 토큰 간 맥락 공유가 손상되는 것이 LLM의 환각 발생과 강하게 연관돼 있음을 밝혔으며, 특히 환각 응답은 최종 트랜스포머 레이어에서 자기 어텐션에 과도하게 의존하거나 이전 토큰으로부터 맥락 검색이 분산되거나 정보가 과도하게 압축되는 특징을 일관되게 보였다.

• •어텐션 그래프의 포먼-리치 곱률을 분석해 정보 병목을 나타내는 구조적 패턴을 식별했다
• •단일 패스 방법이 두 환각 탐지 벤치마크에서 기존 어텐션·다중 응답 기준선을 일관되게 능가했다
• •인과적 생성 중 토큰 간 맥락 공유 손상이 환각 발생과 강하게 연관됨을 밝혔다
• •환각 응답은 최종 레이어에서 자기 어텐션 과의존, 맥락 검색 분산, 정보 과압축 특징을 보인다