本研究では，LLMで用いられるRetrieval-Augmented Generation（RAG）が情報の断片化や矛盾に十分対処できないという課題に対し，階層的推論モデルによる代替アプローチを検討する．テキストベースのベンチマークコーパスを構造化し，一部をマスクして補完させる学習により，少量データから知識推論が可能な小規模モデルの構築を目指す．RAGベースラインとの比較を通じて，情報の正確性と一貫性の観点から提案手法の有効性を予備的に評価する．