연구진이 LLM의 잠재 지식을 검증하고 활용하기 위해 VAKE(Verifiable Activation of Parametric KnowledgE)라는 프레임워크를 제안했어요.
VAKE는 명시적 프라이밍(Explicit Priming)을 통해 잠재 지식을 외부화하고, 이를 암묵적 추론(Implicit Reasoning)에 활용하는 2단계 강화 학습 방식이에요.
실험 결과, VAKE는 3B~14B 모델에서 기존 방식보다 우수한 성능을 보였고, LLM 평가 결과 80% 이상의 삽입된 트리플이 기존 맥락에서 파악하기 어려운 지식을 제공했어요.
이는 VAKE가 단순히 입력 맥락을 모방하거나 데이터셋 연관성을 암기하는 것이 아니라, LLM의 잠재 지식을 활성화하는 것을 시사해요.