방글라데시·호주 연구진이 중소기업(SME) 환경에서 LLM의 환각(hallucination)으로 인한 정보 왜곡 문제를 줄이기 위해 검색증강생성(RAG) 기반의 VectorRAG와 GraphRAG 모델링 기법을 제안했다. 연구진은 라마(LLaMA), 미스트랄(Mistral), 큐엔(Qwen) 등 여러 최신 LLM을 대상으로 응답 유용성, 환각 위험, 문맥 관련성, 사람이 해석하기 쉬운 정도를 평가했다. 실험 결과 RAG로 보강한 LLM이 환각과 정보 왜곡을 유의미하게 줄이면서 응답 품질을 높이는 것으로 나타났다. 이는 중소기업의 의사결정 과정에서 LLM을 보다 신뢰성 있고 맥락에 맞게 활용할 수 있는 가능성을 시사한다.

• •중소기업(SME) 환경의 LLM 환각·오정보 문제 완화 위해 VectorRAG·GraphRAG 기법 제안
• •라마·미스트람·큐엔 등 최신 LLM 다수를 대상으로 실험 평가 진행
• •RAG 보강 LLM이 환각을 줄이고 문맥 관련성·응답 품질을 유의미하게 개선
• •중소기업의 신뢰할 수 있는 의사결정 지원 도구로서 RAG-LLM 활용 가능성 제시