본 논문은 인간의 기억 메커니즘에서 영감을 받아 복잡한 질문 응답을 위한 엔티티 중심 지식 그래프 RAG(Retrieval-Augmented Generation) 프레임워크인 EcphoryRAG를 소개합니다. EcphoryRAG는 인덱싱 시 핵심 엔티티와 메타데이터만 추출하여 토큰 소비를 줄이고, 쿼리에서 큐 엔티티를 추출하여 지식 그래프에서 확장 가능한 멀티홉 연관 검색을 수행합니다. 암묵적 관계를 동적으로 추론하여 컨텍스트를 생성함으로써 사전 관계 열거 없이 심층 추론을 가능하게 합니다. 2WikiMultiHop, HotpotQA, MuSiQue 벤치마크에서 기존 KG-RAG 방법보다 정확도(EM)가 향상되었음을 입증했습니다.
