본 논문은 Retrieval-Augmented Generation (RAG)을 이용한 개인화된 텍스트 생성에서 저자의 미묘한 특징을 잘 포착하지 못하는 한계를 해결하기 위해, 저자 특유의 감정 경향, 자주 사용하는 단어와 같은 특징들을 LLM에 추가적으로 제공하는 방법을 제안합니다. 특히, 다른 저자의 문서를 대조군으로 활용하여 특정 저자의 스타일을 더욱 명확하게 구분하는 "대조 예시(Contrastive Examples)"라는 새로운 기능을 소개합니다. 실험 결과, 저자의 고유명사, 의존 구조, 자주 사용하는 단어에 대한 정보를 몇 문장만 추가해도 개인화된 텍스트 생성 성능이 크게 향상되었으며, 대조 예시를 함께 사용하면 기존 RAG 기반 모델 대비 15%의 성능 향상을 달성했습니다. 본 연구는 미묘한 특징을 활용한 개인화의 중요성을 보여주며, RAG에 대조 예시를 추가하는 새로운 연구 방향을 제시합니다. 코드는 공개적으로 배포됩니다.
