Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Attributing Response to Context: A Jensen-Shannon Divergence Driven Mechanistic Study of Context Attribution in Retrieval-Augmented Generation

Created by
  • Haebom

저자

Ruizhe Li, Chen Chen, Yuchen Hu, Yanjun Gao, Xi Wang, Emine Yilmaz

개요

본 논문은 Retrieval-Augmented Generation (RAG)에서 생성된 콘텐츠의 특정 맥락 부분에 대한 신뢰할 수 있는 귀속(context attribution) 문제를 해결하기 위해 Jensen-Shannon Divergence 기반의 새로운 방법인 ARC-JSD를 제안합니다. ARC-JSD는 추가적인 fine-tuning이나 surrogate modeling 없이 효율적이고 정확하게 중요한 맥락 문장을 식별합니다. TyDi QA, Hotpot QA, Musique와 같은 다양한 RAG 벤치마크에서 instruction-tuned LLMs을 사용한 평가 결과, 기존의 surrogate-based 방법에 비해 정확도가 향상되고 계산 효율성이 크게 개선됨을 보여줍니다. 또한, 메커니즘 분석을 통해 맥락 귀속에 책임이 있는 특정 attention heads와 multilayer perceptron (MLP) layers를 밝혀 RAG 모델의 내부 작동 방식에 대한 귀중한 통찰력을 제공합니다.

시사점, 한계점

시사점:
추가적인 fine-tuning이나 surrogate modeling 없이 효율적이고 정확한 context attribution을 가능하게 하는 새로운 방법(ARC-JSD) 제시.
다양한 RAG 벤치마크에서 기존 방법 대비 향상된 정확도와 계산 효율성 입증.
RAG 모델의 내부 작동 방식에 대한 통찰력 제공.
한계점:
제시된 방법의 일반화 성능에 대한 추가적인 연구 필요.
다양한 종류의 LLM과 RAG 시스템에 대한 적용 가능성 및 성능 평가 필요.
메커니즘 분석 결과의 일반화 가능성에 대한 추가 검증 필요.
👍