본 논문은 정보 검색에서 관련성 평가에 대규모 언어 모델(LLM) 대신 두 개의 소규모 언어 모델(SLM)을 결합하는 새로운 방법인 QUPID를 제시합니다. QUPID는 생성형 SLM과 임베딩 기반 SLM을 통합하여 기존 최첨단 LLM 솔루션보다 높은 관련성 판단 정확도를 달성하면서 계산 비용을 크게 줄입니다. 다양한 문서 유형에 대한 실험 결과, QUPID는 기존 LLM보다 Cohen's Kappa 지수가 0.646 대 0.387로 향상되었으며, 추론 속도는 60배 빨랐습니다. 또한, 실제 검색 파이프라인에 통합되었을 때 nDCG@5 점수를 1.9% 향상시켰습니다. 이는 모델 아키텍처의 다양성을 활용한 결합이 정보 검색 시스템의 관련성과 운영 효율성을 모두 크게 향상시킬 수 있음을 보여줍니다.
