본 논문은 검색 증강 생성(RAG)에서 외부 지식을 활용하는 과정에서 언어 모델이 오래된 매개변수 기억이나 무관한 정보에 휘둘려 관련 정보를 무시하는 문제를 해결하기 위해 제안된 다양한 맥락 활용 조작 기법(CMT)들을 체계적으로 비교 평가하는 벤치마크, CUB를 제시합니다. CUB는 세 가지 유형의 맥락에 대한 엄격한 테스트를 가능하게 하며, 7가지 최첨단 CMT를 3가지 다양한 데이터셋과 작업에 걸쳐 9가지 언어 모델에 적용하여 평가합니다. 실험 결과, 기존 CMT들은 실제 RAG 시나리오에서 발생할 수 있는 다양한 맥락 유형을 모두 처리하는 데 어려움을 겪는다는 것을 보여줍니다. 또한, 많은 CMT들이 간단한 합성 데이터셋에서는 과장된 성능을 보이는 반면, 실제 데이터셋에서는 성능이 저하되는 것을 확인했습니다. 결론적으로, 본 논문은 CMT의 홀리스틱한 테스트와 다양한 맥락 유형을 처리할 수 있는 CMT 개발의 필요성을 강조합니다.