본 논문은 차세대 무선 네트워크의 자율 최적화에 있어 생성형 AI(GenAI)의 역할과, 특히 O-RAN(Open RAN) 아키텍처 내에서 대규모 언어 모델(LLM)을 활용한 xApp 및 rApp 생성에 초점을 맞추고 있습니다. 기존의 LLM 미세 조정 방식의 높은 비용과 자원 소모 문제를 해결하기 위해, 본 논문은 Retrieval-Augmented Generation (RAG) 기법을 제안합니다. 특히 벡터 기반 RAG, GraphRAG, Hybrid GraphRAG를 비교 평가하여 O-RAN 사양을 기반으로 다양한 질문 복잡도에 따른 성능(충실도, 답변 관련성, 맥락 관련성, 사실적 정확성)을 측정합니다. 실험 결과, GraphRAG와 Hybrid GraphRAG가 기존 벡터 기반 RAG보다 우수하며, 특히 Hybrid GraphRAG는 사실적 정확성을 8% 향상시키고 GraphRAG는 맥락 관련성을 7% 향상시키는 것으로 나타났습니다.
