본 논문은 현대 AI 파이프라인에서 필수적인 검색 시스템이 관련 정보를 찾는 과정과 추론에 필요한 충분한 맥락을 제공하는 과정을 혼동하는 문제를 해결하고자, 'Search-Is-Not-Retrieve (SINR)' 프레임워크를 제안한다. SINR은 미세한 검색 표현과 거친 검색 맥락을 구분하는 이중 계층 구조를 통해 검색 시스템의 구성 가능성, 확장성, 맥락 충실도를 향상시킨다. 이는 작은 의미론적 정확성을 가진 검색 청크를 더 큰 맥락적으로 완전한 검색 청크에 직접 연결함으로써 추가 처리 비용 없이 가능하다. SINR은 검색을 수동적인 단계에서 능동적인 단계로 전환하여 시스템 아키텍처를 인간이 정보를 처리하는 방식과 유사하게 만든다. 논문은 SINR 프레임워크의 개념적 기반, 공식 구조, 구현 문제 및 질적 결과를 논의하여 차세대 AI 시스템의 실질적인 기반을 제공한다.
