아래 첨부한 자료에 짧고 간결하게 요약이 잘되어 있어, 공유합니다.

관련 논문 및 논문 설명 자료를 보고 싶다면 아래 레퍼런스의 자료를 참고하세요.

• RAG란?

  • Retrieval-Augmented Generation (RAG, 검색증강생성)은 대형 언어 모델을 지원하는 AI 프레임워크로, 외부 지식 베이스에서 사실을 검색하여 최신 정보를 기반으로 정확한 답변을 생성

    
    

    
    

• RAG가 주목 받는 이유

  • 대형 언어 모델의 발전으로 기업과 소비자에게 상당한 생산성 향상을 가져올 수 있음. RAG는 다양한 분야에서 응용될 수 있으며, 실시간 정보를 기반으로 정확한 답변 제공가능

• RAG의 이점 세 가지

  • 확장성: 실시간 정보 검색 및 활용으로 최신 상태 유지.

  • 유연성: 사용자 맞춤화 답변 제공.

  • 정확성: 검증 가능한 출처를 기반으로 답변 제공, 할루시네이션 최소화.

• RAG 작동 방식

  • 검색 단계: 사용자의 질문을 임베딩하고 Vector DB를 통해 유사 문서 검색.

  • 생성 단계: 검색된 정보를 바탕으로 프롬프트를 구성하고 언어 모델이 정확한 텍스트 응답을 생성.

• RAG vs. Fine-tuning

  • 파인튜닝은 훈련된 시점의 정보에 한정되나, RAG는 실시간 정보를 활용하여 계속 업데이트. 변화가 잦은 데이터에 대해 RAG가 더 적합

• RAG의 미래 동향

  • 개인화, 확장성, 정확성에 초점을 맞추며 더 똑똑한 시스템으로 발전할 것으로 예상됩니다. 효율적인 검색 메커니즘과 섬세한 통합이 필요

📚reference:

https://www.skelterlabs.com/blog/2024-year-of-the-rag

https://yumdata.tistory.com/419