DO-RAG은 다양한 데이터를 통합하고 추론 일관성을 유지하는 데 어려움을 겪는 기존 RAG(Retrieval-Augmented Generation) 프레임워크의 한계를 극복하기 위해 제안된 확장 가능하고 사용자 지정 가능한 하이브리드 QA 프레임워크입니다. 비정형 및 다중 모달 문서에서 구조화된 관계를 추출하여 동적 지식 그래프를 생성하는 새로운 에이전트 체인-오브-스레드 아키텍처를 사용하며, 다단계 지식 그래프 구성과 의미 벡터 검색을 통합합니다. 쿼리 시에는 그래프 및 벡터 검색 결과를 융합하여 맥락 인식 응답을 생성하고, 근거 기반 개선을 통해 환각(hallucination)을 완화합니다. 데이터베이스 및 전기 분야에 대한 실험 결과, DO-RAG는 거의 완벽한 재현율과 94% 이상의 답변 관련성을 보이며 기존 프레임워크보다 최대 33.38% 향상된 성능을 보였습니다. 추적 가능성, 적응성 및 성능 효율성을 결합하여 DO-RAG는 다중 도메인, 고정밀도 대규모 QA를 위한 신뢰할 수 있는 기반을 제공합니다.
