검색 증강 생성

1 개요

Retrieval-Augmented Generation (RAG)

검색 증강 생성

• LLM의 작동 방식에서 부족한 부분을 채워주는 기술
• 전통적인 언어 처리 모델에서 검색 및 생성 기술의 요소를 결합한 것
• 기존의 언어 모델의 능력을 향상시키기 위해 정보 검색 메커니즘을 통합하는 것
• 외부 소스에서 가져온 정보로 생성형 AI 모델의 정확성과 신뢰성을 향상시키는 기술
• 전통적인 언어 생성 모델인 GPT(Generative Pre-trained Transformer)와 같은 모델에서 생성 과정은 훈련 데이터에서 학습한 패턴과 문맥에 기초한다.
• 이러한 모델은 일관된 및 문맥적으로 관련된 텍스트를 생성할 수 있지만 때로는 특정 및 정확한 정보가 부족할 수 있다,
• 특히 최신이거나 정확한 지식이 필요한 쿼리의 경우. RAG는 검색 구성 요소를 통합함으로써 이러한 한계를 극복한다.
• 이 구성 요소는 미리 정의된 지식 베이스 또는 큰 데이터 세트에서 관련 정보를 검색하고, 그런 다음 생성 모델은 검색된 정보를 활용하여 더 정확하고 문맥적으로 관련성 높은 응답을 생성한다.
• 검색 단계는 모델이 외부 지식에 액세스할 수 있도록 돕기 때문에 특히 구체적인 사실적인 정보나 최신 업데이트가 필요한 작업에 유용하다.
• 이 접근 방식은 질문 응답과 같이 시스템이 사용자 쿼리에 대해 자세하고 정확한 답변을 제공해야 하는 작업에서 특히 유용하다.
• 검색 및 생성을 결합함으로써 RAG 모델은 두 접근 방식의 강점을 활용하여 언어 이해 작업의 성능을 향상시킬 수 있다.

2 같이 보기

• LLM
• GPT

3 참고

• https://www.aitimes.kr/news/articleView.html?idxno=29431 [AI 리뷰] 생성 AI 모델, 정확성과 신뢰성 향상시키는 '검색 증강 생성(RAG)'은 무엇인가? 《인공지능신문》 정한영 기자 2023-11-19