검색 증강 생성(RAG)과 LLM의 결합 동향을 종합적으로 분석한 서베이

A Survey on RAG Meeting LLMs: Towards Retrieval-Augmented Large Language Models

Wenqi Fan, Yujuan Ding, Liang-bo Ning, Shijie Wang, Hengyun Li, Dawei Yin, Tat-Seng Chua, Qing Li

인용 881인기 27.1

원문 보기 ↗

AI 분석

한줄 요약

검색 증강 생성(RAG)과 대규모 언어 모델(LLM)의 결합 연구를 체계적으로 정리한 서베이 논문.

풀어야 하는 문제

LLM은 환각(hallucination)과 내부 지식의 시의성 부족 문제를 안고 있으며, 이를 해결하기 위해 외부 지식을 활용하는 RAG 기술이 주목받고 있다. 그러나 RAG와 LLM의 통합 방식, 최적화, 한계 등에 대한 종합적인 이해가 부족한 상황이다.

접근 방법

본 서베이는 RA-LLM(Retrieval-Augmented Large Language Models) 연구를 세 가지 주요 기술 관점에서 분류하여 리뷰한다: (1) 검색기와 생성기의 통합 방식, (2) 검색 결과의 활용 전략, (3) 학습 및 추론 최적화 기법. 또한 현재 한계와 향후 연구 방향을 논의한다.

결과·기여

RAG-LLM 분야의 포괄적인 분류 체계를 제공하고, 각 접근법의 장단점을 분석하여 연구자들에게 방향성을 제시한다. 또한 관련 자료를 지속적으로 업데이트하는 웹사이트를 제공하여 커뮤니티에 기여한다.