Retrieval-Augmented Generation (RAG) 시스템에서 기존 벡터 데이터베이스(VecDB)의 단일 해상도 인덱싱 구조로 인한 검색 속도와 문맥 관련성 간의 trade-off 문제를 해결하기 위해, 쿼리에 따라 해상도를 조절하는 새로운 multi-resolution 벡터 인덱싱 프레임워크인 Semantic Pyramid Indexing (SPI)를 제안합니다. SPI는 문서 임베딩 위에 semantic pyramid를 구축하고, 경량 분류기를 통해 쿼리별 최적 해상도를 동적으로 선택합니다. 이를 통해 coarse-to-fine 표현 방식의 progressive retrieval을 가능하게 하여 검색 속도를 향상시키면서 semantic coverage를 유지합니다. SPI는 FAISS와 Qdrant 백엔드에 플러그인 형태로 구현되었으며, MS MARCO, Natural Questions 및 multimodal retrieval 벤치마크를 포함한 여러 RAG 작업에서 평가되었습니다.
