본 논문은 실제 환경의 라이브 retrieval-augmented generation (RAG) 시스템이 잡음이 많고 모호하며 여러 의도를 포함하는 사용자 질의를 처리할 때 직면하는 어려움을 다룹니다. RAG는 외부 지식을 통해 대규모 언어 모델(LLM)을 향상시키지만, 기존 시스템은 대개 더 깨끗한 데이터로 훈련되거나 평가되기 때문에 이러한 복잡한 입력에 어려움을 겪습니다. 이 논문에서는 실제 환경의 오픈 도메인 설정에서 RAG 시스템의 강력성과 효율성을 향상시키도록 설계된 새로운 프레임워크인 Omni-RAG를 소개합니다. Omni-RAG는 세 가지 주요 모듈을 통해 LLM 지원 질의 이해를 활용하여 사용자 입력을 전처리합니다: (1) 심층 질의 이해 및 분해, (2) 의도 인식 지식 검색, (3) 재순위 지정 및 생성. Omni-RAG는 잡음이 많고 복잡한 질의를 강력하게 처리함으로써 현재 RAG 기능과 SIGIR 2025 LiveRAG Challenge에서 강조된 실제 응용 프로그램의 요구 사항 간의 격차를 해소하고자 합니다.
