Retrieval Augmented Generation (RAG) for Fintech: Agentic Design and Evaluation
Created by
Haebom
Category
Empty
저자
Thomas Cook, Richard Osuagwu, Liman Tsatiashvili, Vrynsia Vrynsia, Koustav Ghosal, Maraim Masoud, Riccardo Mattivi
개요
본 논문은 핀테크와 같은 전문 분야에서 검색 증강 생성(RAG) 시스템이 직면하는 어려움을 해결하기 위해 설계된 에이전트 기반 RAG 아키텍처를 소개합니다. 제안된 시스템은 지능형 질의 재구성, 키워드 추출을 통한 반복적인 하위 질의 분해, 문맥적 약어 해결 및 교차 인코더 기반 컨텍스트 재 랭킹을 지원합니다. 연구진은 핀테크 지식 기반에서 파생된 85개의 질문-답변-참조 트리플로 구성된 데이터셋을 사용하여 제안된 아키텍처를 표준 RAG 기반과 비교 평가했습니다. 실험 결과는 에이전트 기반 RAG 시스템이 검색 정밀도와 관련성 측면에서 기준선보다 우수한 성능을 보였지만, 지연 시간은 증가했습니다.
시사점, 한계점
•
시사점:
◦
구조화된 멀티 에이전트 방법론은 복잡하고 특정 도메인 설정에서 검색 견고성을 향상시키는 유망한 방향을 제시합니다.
◦
제안된 에이전트 기반 RAG 아키텍처는 전문 분야에서 RAG 시스템의 검색 성능을 향상시킬 수 있습니다.
•
한계점:
◦
지연 시간 증가: 에이전트 기반 아키텍처는 표준 RAG 시스템에 비해 더 높은 지연 시간을 보입니다.
◦
데이터셋 제한: 실험은 85개의 질문-답변-참조 트리플로 구성된 소규모 데이터셋을 기반으로 합니다.
