본 논문은 도메인 지식이 부족한 reader model의 QA 정확도를 높이기 위해 외부 정보를 통합하는 Retrieval-augmented question answering (QA)의 한계점을 해결하고자 제안된 K-comp (Knowledge-injected compressor)를 소개한다. K-comp는 closed domain에서 retrieval된 문서의 전문성이 높고, 관련 없는 정보가 많아 reader model의 이해와 신뢰도에 어려움을 야기하는 문제를 해결하기 위해, 압축 전에 질문 답변에 필요한 prior knowledge를 자동 생성하여 압축 과정에 통합한다. 이를 통해 질문 의도와 압축된 context의 정렬을 보장하고, reader model이 관련 답변을 찾고 context를 신뢰하도록 유도한다.
