검색증강생성

검색증강생성(Retrieval-Augmented Generation, RAG)는 대형 언어 모델의 성능을 데이터베이스를 검색하여 개선하는 기술이다. 정보 검색 프로세스의 한 유형이다. 이는 모델이 지정된 문서 세트를 참조하여 사용자 쿼리에 응답하도록 LLM(대형 언어 모델)과의 상호 작용을 수정하며, 자체의 방대한 정적 교육 데이터에서 가져온 정보보다 이 정보를 우선적으로 사용한다. 이를 통해 LLM은 도메인별 및 업데이트된 정보를 사용할 수 있다.^[1] 사용 사례에는 회사 내부 데이터에 대한 챗봇 액세스를 제공하거나 신뢰할 수 있는 소스에서만 사실 정보를 제공하는 것이 포함된다.^[2]

각주

↑ Gao, Yunfan; Xiong, Yun; Gao, Xinyu; Jia, Kangxiang; Pan, Jinliu; Bi, Yuxi; Dai, Yi; Sun, Jiawei; Wang, Meng; Wang, Haofen (2023). “Retrieval-Augmented Generation for Large Language Models: A Survey”. arXiv:2312.10997 [cs.CL].
↑ “What is RAG? - Retrieval-Augmented Generation AI Explained - AWS”. 《Amazon Web Services, Inc.》. 2024년 7월 16일에 확인함.

[Survey-1] Gao, Yunfan; Xiong, Yun; Gao, Xinyu; Jia, Kangxiang; Pan, Jinliu; Bi, Yuxi; Dai, Yi; Sun, Jiawei; Wang, Meng; Wang, Haofen (2023). “Retrieval-Augmented Generation for Large Language Models: A Survey”. arXiv:2312.10997 [cs.CL].

[AWS-2] “What is RAG? - Retrieval-Augmented Generation AI Explained - AWS”. 《Amazon Web Services, Inc.》. 2024년 7월 16일에 확인함.

[1]

[2]