본 논문은 Retrieval Augmented Generation (RAG) 시스템의 다중 목표 매개변수 최적화에 대한 최초의 접근 방식을 제시합니다. RAG 시스템은 다양한 모델과 하이퍼파라미터를 포함하여 최적화가 어렵고, 특히 다중 목표 설정에서는 더욱 복잡합니다. 본 연구는 비용, 지연 시간, 안전성, 정렬과 같은 다중 목표에 걸쳐 전체 LLM 및 RAG 시스템을 최적화하기 위해 베이지안 최적화 방법을 적용하였으며, 두 개의 새로운 RAG 벤치마크 작업에서 기존 방법보다 우수한 Pareto front를 얻었습니다. 또한, 최적 구성이 작업과 목표에 따라 일반화되지 않을 수 있다는 점을 포함하여 다중 목표 RAG 시스템을 설계하는 실무자를 위한 중요한 고려 사항을 강조합니다.
