RAG (검색 증강 생성)

쉽게 이해하기

대규모 언어 모델이 고정된 사전 학습 데이터에 갇혀 최신 정보나 특정 분야 전문성을 반영하지 못하는 한계를 극복하기 위해 고안된 기법입니다. 시스템이 사용자의 쿼리 요청 시 관련 문헌을 외부 데이터베이스에서 먼저 검색한 뒤, 이를 언어 모델의 생성 전 단계 맥락으로 주입합니다. 이러한 흐름은 학습 당시 포함되지 않은 시시각각 변하는 자료나 조직만의 고유한 콘텐츠를 정확히 처리할 수 있게 하며, 응답의 정확도를 높이고 허위 생성을 억제합니다. 또한 모델의 파라미터를 재조정하거나 재학습을 수행하지 않아도 되므로, 비교적 낮은 비용으로 유연한 지식 확장 서비스를 구현할 수 있습니다. --- 참고 자료: - [Retrieval-augmented generation](https://en.wikipedia.org/wiki/Retrieval-augmented_generation) - [What Is Retrieval-Augmented Generation aka RAG](https://blogs.nvidia.com/blog/what-is-retrieval-augmented-generation) - [What is Retrieval Augmented Generation (RAG)?](https://www.databricks.com/blog/what-is-retrieval-augmented-generation) - [Retrieval-Augmented Generation (RAG) from basics to ...](https://medium.com/@tejpal.abhyuday/retrieval-augmented-generation-rag-from-basics-to-advanced-a2b068fd576c) - [Introduction To Undertsanding RAG(Retrieval-Augmented ...](https://www.youtube.com/watch?v=fZM3oX4xEyg)