"AI 법률서비스 받아볼까"…할루시네이션 해결, 정확도 23% 높아져 작성일 02-27 146 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">GIST, 법률 최적화 검색증강생성 프레임워크 개발<br>법률데이터 검색·활용, 답변 신뢰성·정확도 향상</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="Br2zhf6FAr"> <figure class="figure_frm origin_fig" contents-hash="7175bbbf6f39890c58b39c4d409f476ed7aeeb235d473a8fbb1ce72eaf62db23" dmcf-pid="bmVql4P3Nw" dmcf-ptype="figure"> <p class="link_figure"><img alt="이흥로(왼쪽) GIST 교수 연구팀은 법률 분야에 특화된 검색증강 생성기술을 개발해 정확도를 23% 높였다. GIST 제공" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202502/27/dt/20250227122019327ljkq.jpg" data-org-width="540" dmcf-mid="qr97CV8tam" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202502/27/dt/20250227122019327ljkq.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 이흥로(왼쪽) GIST 교수 연구팀은 법률 분야에 특화된 검색증강 생성기술을 개발해 정확도를 23% 높였다. GIST 제공 </figcaption> </figure> <p contents-hash="970cf5bcc23508c2a20fea761a78134985a4be913d75f73fc3d791095751c87e" dmcf-pid="KsfBS8Q0ND" dmcf-ptype="general">대형언어모델(LLM) 기반 법률 AI에서 발생하는 '환각현상(할루시네이션)' 문제를 줄여 정확도를 높일 수 있는 기술이 개발됐다. 보다 정확하고 신뢰성 높은 AI법률지원 서비스가 가능해질 전망이다.</p> <p contents-hash="8914d6db330b2339114a9709751b3daadd8430d9a9c4e092168396b5366532d0" dmcf-pid="9O4bv6xpAE" dmcf-ptype="general">광주과학기술원(GIST)은 이흥노 전기전자컴퓨터공학과 교수 연구팀이 법률 분야에 특화된 '검색 증강 생성(RAG)' 기술을 개발했다고 밝혔다. </p> <p contents-hash="92a31c8eaf378f47dd0aefcf5ce132e3305c0be46f7b95784ac6daae1c03fb73" dmcf-pid="2SxfGRJqAk" dmcf-ptype="general">최근 법률 분야에 AI가 빠르게 확산되고 있지만, 학습된 데이터를 기반으로 답변을 생성하는 LLM은 법률 분야의 복잡한 질의를 정확히 처리하는 데 한계가 있다. 특히 해석이 중요한 판례분석이나 계약서 작성에서 AI가 잘못된 정보를 제공하면 심각한 문제가 발생한다.</p> <p contents-hash="e1364d66559b08a11aceeca1e10ed0e6f30329d1f25dd94f09e87e08d2eb50dc" dmcf-pid="VvM4HeiBNc" dmcf-ptype="general">기존 LLM 기반 AI 법률 시스템은 할루시네이션 발생률이 대략 58∼82%에 달하는 것으로 보고됐다. 이 때문에 AI가 정확히 검색한 법률 정보를 반영하는 RAG 기술이 주목받고 있다. 하지만 기존 RAG 방식도 정보 검색의 한계와 법률 문맥에 대한 적용력 부족이라는 문제를 안고 있다.</p> <p contents-hash="64ad2befd1b347aabbf5d58353cfc7d800180ddfbe9e31779b074a092a1a1753" dmcf-pid="fTR8XdnbjA" dmcf-ptype="general">연구팀은 법률 데이터를 효율적으로 검색·활용하는 동시에 답변의 신뢰성과 정확도를 높인 법률 분야에 최적화된 프레임워크(LQ-RAG)를 개발했다. 이 프레임 워크는 방대한 판례와 법령 자료를 학습해 전문 법률 용어와 문서 구조를 심층적으로 이해할 수 있다. 또한 실제 법률 질의응답 데이터를 기반으로 생성모델을 재학습해 더욱 정교한 답변을 제공한다.</p> <p contents-hash="0e266a4c433740035f00d8825f93aa702dff43bddfa736ae350b0e5d482698d3" dmcf-pid="4ye6ZJLKkj" dmcf-ptype="general">특히 AI가 생성된 답변을 지속적으로 개선하는 재귀적 피드백 메커니즘을 통해 신뢰성을 높였으며, 생성된 답변은 평가 에이전트로 맥락의 적절성과 사실적 정확성을 평가할 수 있다. 재귀적 피드백은 생성된 응답을 반복적으로 개선해 보다 정확하고 관련성 높은 답변을 유도하는 것을 뜻한다.</p> <p contents-hash="6cd1b13e90a61cc542bb4baea686bc545a8ed7b0c57b93664f0324c5bc601990" dmcf-pid="8WdP5io9jN" dmcf-ptype="general">연구팀은 이 프레임 워크를 적용한 결과, 기존 RAG 시스템 대비 법률 문서 검색 및 응답 정확도가 23% 향상됐고, 파인 튜닝(기존 모델을 특정 작업에 적합하게 학습하는 과정)된 LLM과 비교해 14% 높은 성능을 보였다고 설명했다. 중국 딥시크의 생성형 AI'R1'과 비교한 결과, 응답 개선 방식에서만 차이를 보였을 뿐 두 모델 모두 더 정확하고 정교한 답변을 제공했다.</p> <p contents-hash="99129bb17d1afe38c29cb6d0e98c8f56c0f9b5c82d6de66b17f727454c3d3caf" dmcf-pid="6YJQ1ng2Aa" dmcf-ptype="general">이흥노 GIST 교수는 "법률 문서 분석, 계약서 작성 자동화, 준법 감시 등 다양한 법률 업무에 적용할 계획"이라고 말했다.</p> <p contents-hash="c34f655d9dc34b0c65052ef4013780c8a94eeea9d55709a582d11b7864ef07f4" dmcf-pid="PGixtLaVcg" dmcf-ptype="general">이 연구결과는 국제 학술지 'IEEE ACCESS(지난 14일)' 온라인에 실렸다. 이준기기자 bongchu@dt.co.kr</p> </section> </div> <p class="" data-translation="true">Copyright © 디지털타임스. 무단전재 및 재배포 금지.</p> 관련자료 이전 음콘협 “뉴진스 팬덤 성명에 ‘극단의 주관’으로 뭉친 커뮤니티 입장” [TD현장] 02-27 다음 달에 숨겨진 얼음 찾는다…인튜이티브 머신스 탐사선 발사 [강경주의 테크X] 02-27 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
