Retrieval-augmented generation (RAG) 모델의 고질적인 문제인 검색 과정에서 발생하는 노이즈와 부정확한 관련 정보 배치로 인한 환각 현상을 해결하기 위해, Ext2Gen이라는 extract-then-generate 프레임워크를 제안합니다. 이 프레임워크는 질의 관련 정보를 동적으로 식별하고 노이즈를 억제하여 독립적인 사전 생성 압축 모듈 없이 정확하고 충실한 답변을 생성합니다. 특히 잘 구성된 쌍별 피드백을 통한 선호도 정렬을 통해 최적화되어, 노이즈가 많거나 부정확한 검색 환경에서도 견고한 성능을 보입니다. Ext2Gen은 생성 측면의 강화를 통해 검색만으로는 해결할 수 없는 한계를 극복하며, query rewriting과 같은 향상된 검색 기술과 결합하여 더욱 뛰어난 성능을 보입니다.
