본 논문은 지적재산권(IP) 분야에서 다양한 사용자 질의(구어체, 오타, 모호한 용어 포함)로 인해 정확한 검색 및 최적의 응답이 어려운 검색 증강 생성(RAG) 시스템의 문제를 해결하기 위해, 다각적 질문 생성 및 검색 미세조정 방법(MQG-RFM)을 제안합니다. MQG-RFM은 대규모 언어 모델(LLM)을 활용하여 다양한 사용자 질의를 시뮬레이션하고, 의미적으로 동일하지만 언어적으로 다양한 질문을 정렬하도록 검색 모델을 미세 조정합니다. 복잡한 구조 변경 대신 경량의 데이터 기반 미세조정 패러다임을 채택하여 프롬프트 엔지니어링 기반 질문 생성과 하드 네거티브 마이닝을 결합하여 비용 효율적으로 검색의 견고성을 향상시킵니다. 대만 특허 Q&A 데이터셋 실험 결과, 특허 상담 데이터셋에서 검색 정확도가 185.62%, 새로운 특허 기술 보고서 데이터셋에서 262.26% 향상되었고, 기준 모델 대비 생성 품질은 각각 14.22%와 53.58% 향상되었습니다. 중국 최대 전문 연구 소셜 네트워킹 플랫폼인 ScholarMate에서 실제 적용되었으며, 데모 버전은 GitHub에서 확인 가능합니다.