707d99d.js","832","static/chunks/832-433212fc0faa6b60.js","489","static/chunks/489-a5b84db177ed4a3f.js","430","static/chunks/app/%5Blocale%5D/w/%5Bkeyword%5D/page-7e0f5d54d5ece173.js"],"default"] 20:T7db,

RAG

전체 명칭	Retrieval-Augmented Generation
분야	[[인공지능]], 자연어 처리
제안	Meta AI (2020)
관련 기술	[[대규모 언어 모델]], 벡터 DB

'''RAG'''(Retrieval-Augmented Generation, 검색 증강 생성)는 [[대규모 언어 모델]]에 외부 지식을 제공하여 응답 품질을 향상시키는 기술입니다. == 개요 == RAG는 2020년 Meta AI(구 Facebook)에서 제안했습니다. LLM의 지식 한계(컷오프 날짜, 환각)를 극복하기 위해 외부 데이터베이스에서 관련 정보를 검색하여 LLM에 제공합니다. == 작동 원리 == # '''문서 처리''': 문서를 청크로 분할하고 임베딩 생성 # '''인덱싱''': 임베딩을 벡터 데이터베이스에 저장 # '''검색''': 질문과 유사한 문서 청크 검색 # '''생성''': 검색된 컨텍스트와 함께 LLM이 응답 생성 == 장점 == * '''최신 정보''': 컷오프 이후 정보 제공 가능 * '''환각 감소''': 근거 기반 응답 * '''도메인 특화''': 기업 내부 문서 활용 * '''비용 효율''': 모델 재학습 불필요 == 구성 요소 == === 임베딩 모델 === 텍스트를 벡터로 변환. * OpenAI Embeddings * Sentence Transformers === 벡터 데이터베이스 === 임베딩 저장 및 유사도 검색. * Pinecone * Weaviate * Chroma * FAISS === LLM === 최종 응답 생성. == 활용 분야 == * 기업 지식 기반 챗봇 * 고객 지원 자동화 * 문서 Q&A * 연구 보조 == 관련 문서