피드백으로 더 쓸모 있는 문서를 찾는 RAG 검색 방식
는 에서 문서를 찾는 방식을 고정된 유사도 점수에만 맡기지 않는 접근입니다. 일반적인 는 질문과 문서가 뜻으로 얼마나 가까운지 계산해 자료를 고릅니다.
하지만 뜻이 비슷한 문서가 실제 답변에는 별 도움이 안 될 수 있고, 반대로 답에 필요한 자료가 질문과 표현이 달라서 빠질 수 있습니다. 는 사용자의 반응과 이전 상호작용을 바탕으로 어떤 문서와 개념이 실제로 도움이 됐는지 조금씩 배웁니다.
사용자의 목표가 바뀌면 검색 방식도 맞춰 바꾸고, 단순한 의미 유사도만으로 보이지 않는 관계도 찾으려 합니다. 큰 모델을 다시 학습시키는 대신 가벼운 반복으로 검색 기준을 조정하는 점이 핵심입니다.
핵심 포인트
- 일반적인 는 질문과 뜻이 가까운 문서를 먼저 고릅니다.
- 뜻이 비슷해도 답변에 도움 되지 않는 문서가 선택될 수 있습니다.
- 는 사용자 과 상호작용 기록을 이용해 검색 방식을 조정합니다.
- 큰 모델 재학습 대신 가벼운 반복으로 개선하려는 방식입니다.
- 에이전트가 불필요한 자료를 덜 읽게 만들면 와 을 줄일 가능성이 있습니다.