본 논문은 계층적 지식을 활용한 새로운 RAG(Retrieval-Augmented Generation) 접근 방식인 HiRAG를 제안합니다. 기존 RAG 방법들은 인간 인지의 계층적 지식을 충분히 활용하지 못하는 한계가 있는데, HiRAG는 색인 및 검색 과정에서 계층적 지식을 활용하여 RAG 시스템의 의미 이해 및 구조 파악 능력을 향상시킵니다. 실험 결과, HiRAG는 최첨단 기준 모델보다 성능이 크게 향상됨을 보여줍니다. 소스 코드는 GitHub에서 공개됩니다.
시사점, 한계점
•
시사점:
◦
계층적 지식을 활용한 RAG 접근 방식을 제시하여 기존 RAG의 한계를 극복.
◦
의미 이해 및 구조 파악 능력 향상을 통해 LLM의 도메인 특화 작업 성능 개선.
◦
최첨단 성능 달성 및 소스 코드 공개를 통한 연구 재현성 및 확장성 확보.
•
한계점:
◦
본 논문에서 제시된 HiRAG의 계층적 지식 활용 방식의 일반화 가능성에 대한 추가적인 연구 필요.
