본 논문은 검색 증강 생성(RAG)이 장문의 구조화된 재무 보고서에서 겪는 어려움을 해결하기 위해 고급 메타데이터 기반 RAG 기술을 체계적으로 연구한다. LLM이 생성한 메타데이터를 활용하는 다단계 RAG 아키텍처를 제안하고 평가하며, FinanceBench 데이터셋을 사용하여 사전 검색 필터링, 사후 검색 재순위화, 풍부한 임베딩 등 다양한 향상 기법을 벤치마킹한다. 특히, 텍스트와 함께 메타데이터를 직접 임베딩하는 "컨텍스트 청크"가 가장 큰 성능 향상을 가져다준다는 것을 발견했다. 또한, 상업적 솔루션에 대한 비용 효율적인 대안으로 맞춤형 메타데이터 재순위화기를 제시한다.
