본 논문은 검색 증강 생성(RAG) 프레임워크에 쌍곡 기하학을 통합한 HyperbolicRAG를 제안한다. 기존의 RAG 및 그래프 기반 RAG의 한계를 극복하기 위해, HyperbolicRAG는 세 가지 주요 디자인을 도입한다. (1) 의미적 유사성과 계층적 포함 관계를 정렬하기 위해 노드를 공유 푸앵카레 매니폴드에 임베딩하는 깊이 인식 표현 학습기, (2) 추상화 수준 간의 기하학적 일관성을 강화하는 비지도 대조 정규화, (3) 유클리드 공간과 쌍곡 공간 모두에서 검색 신호를 활용하여 추론 중 상호 간의 일치를 강조하는 상호 순위 융합 메커니즘이다. 다양한 QA 벤치마크 실험을 통해 HyperbolicRAG가 기존 RAG 및 그래프 기반 RAG보다 우수한 성능을 보임을 입증한다.
