RAG 검색 성능 개선법: 임베딩 모델 파인튜닝으로 문서 검색 지표를 최대 60% 높인 실험 과정 정리
범용 임베딩 모델은 법률처럼 좁은 분야의 문서에서 자주 헛다리를 짚는다. 판례 문서 지식베이스를 대상으로 임베딩 모델을 직접 파인튜닝해 검색 지표를 최대 60% 끌어올린 실험 과정을 데이터 준비부터 평가까지 단계별로 정리했다.
핵심 내용 읽기 →
AI TOPIC
정보 검색 최신 뉴스와 핵심 해설
정보 검색 관련 핵심 뉴스와 활용 인사이트 10편을 최신순으로 모았습니다.
검색 AI 연구 두 갈래 — 하드 네거티브 배치 구성 HOBIT와 다중 문서 협력 검색 색인
마이크로소프트 리서치 인도 학술 서밋의 검색 세션 발표 두 편을 정리했다. 학습 배치를 어려운 오답으로 채우는 HOBIT와, 여러 문서가 협력해 하나의 질문을 함께 덮도록 집합 단위로 문서를 고르는 다중 벡터 색인 연구를 다룬다.
핵심 내용 읽기 →
RAG 파이프라인 실전 공개: HyDE로 질의를 보강해 검색 정확도를 끌어올린 사례
RAG가 실무에서 흔들리는 이유를 청킹·임베딩 모델·재순위 등 선택지로 짚고, 대화형 AI 스타트업이 HyDE로 질의를 보강해 원하는 기억을 찾아낸 과정을 정리했다. 질의와 문서의 구조 차이가 검색을 어떻게 망치는지도 함께 확인한다.
핵심 내용 읽기 →
검색(Retrieval)은 추론 시대에도 필요한가, 마이크로소프트 리서치 패널이 짚은 RAG의 미래
링크 10개를 클릭하는 대신 챗봇에게 묻는 시대, 검색 기술은 사라질까. 마이크로소프트 리서치와 인도 공대 연구자들이 검색과 추론의 경계, 압축의 한계, 출처 표시 문제를 두고 벌인 토론을 정리했다.
핵심 내용 읽기 →
임베딩 기반 검색의 이론적 한계: 사인랭크가 말하는 벡터 차원의 벽과 RAG 실무 시사점
벡터 임베딩 검색에는 차원 수에 따른 이론적 한계가 있다는 논문을 해설한다. 사인랭크로 유도한 임계 차원과 실험 결과, 이 한계가 실제 RAG 시스템 설계에 어떤 의미인지, 그리고 임베딩이 유독 약한 질의 유형은 무엇인지 짚어본다.
핵심 내용 읽기 →
RAG 기술 문서 처리: 질의 분해로 인용 정확도 높이기 (OpenFOAM 사례)
수식과 표가 가득한 OpenFOAM 매뉴얼을 다루는 RAG 파이프라인 논문 해설. 질의 분해·파싱·청킹·임베딩으로 인용 정확도를 높였지만 검색 재현율이 14% 미만에 그친 한계까지 짚는다.
핵심 내용 읽기 →
AI 에이전트 검색 능력 개선 — 지식 격차와 믹스브레드의 검색 에이전트
LLM 추론은 기하급수적으로 좋아졌지만 검색은 더디게 발전해 '지식 격차'가 생겼다. 벤치마크로 이 격차를 확인하고, 에이전트에게 자연어 검색과 올바른 도구 선택을 가르친 믹스브레드의 접근을 정리했다.
핵심 내용 읽기 →
TF-IDF 개념 쉽게 이해하기: 단어 빈도와 역문서 빈도로 문서의 핵심어 찾는 원리
TF-IDF는 여러 문서로 이뤄진 말뭉치에서 특정 단어가 한 문서에 얼마나 중요한지를 수치로 나타내는 텍스트 처리 지표다. 단어 빈도와 역문서 빈도의 곱으로 핵심어를 가려내는 원리를 예시로 설명한다.
핵심 내용 읽기 →
RAG의 진화: 키워드 검색·시맨틱 검색에서 에이전틱 RAG까지 한눈에 정리
단순 키워드 검색에서 시맨틱 검색, RAG, 그리고 스스로 판단하는 에이전틱 RAG까지. AI가 정보를 찾는 방식이 어떻게 발전해 왔는지 단계별로 풀어 설명합니다.
핵심 내용 읽기 →
퍼플렉시티 사용법 — AI 검색엔진 핵심 기능 10분 정리
퍼플렉시티가 챗GPT·제미나이와 어떻게 다른지, 포커스·컬렉션·맞춤 지시 같은 핵심 기능과 무료·프로 차이를 실제 사용 예로 짚었다.
핵심 내용 읽기 →