VecTree-RAG: An Agentic Retrieval-Augmented Generation Framework Combining Vector and Tree Retrieval for Efficiency and Accuracy
작성자
카테고리
Empty
저자
Xinyan Zhong, Yuwei Shi, Yuqi Wei, Chen Shen, Tianhang Zhou, Zhenghao Wu
💡 개요
이 논문은 과학 문헌 질의응답을 위해 벡터 검색과 트리 검색을 결합한 에이전트 기반 검색 증강 생성 프레임워크인 VecTree-RAG를 제안한다. VecTree-RAG는 문서의 전체 구조를 유지하면서 관련 논문을 식별하고 해당 논문 내에서 증거를 정확하게 찾아내는 두 가지 서로 다른 검색 문제를 해결한다. 이를 통해 다양한 과학 문헌 질의응답 벤치마크에서 기존 방법론보다 높은 정확도와 효율성을 달성했다.
🔑 시사점 및 한계
•
구조화된 문서 정보를 활용하여 검색의 정확도를 높이고 불필요한 정보 탐색을 줄일 수 있다.
•
과학 문헌과 같이 복잡하고 구조적인 데이터를 다룰 때 효과적인 질의응답 시스템 구축의 가능성을 보여준다.
•
다중 턴 추론 시 비용이 여전히 높을 수 있으며, 향후 연구에서는 추론 효율성 향상 및 더 복잡한 문서 구조 처리에 대한 탐구가 필요하다.
