본 논문은 Retrieval-Augmented Generation (RAG)에 대한 종합적인 개요를 제공합니다. RAG는 대규모 검색 시스템과 생성 모델을 결합하여 자연어 이해 및 생성을 향상시키는 기술입니다. 본 논문은 RAG의 핵심 구성 요소(검색 메커니즘, 생성 프로세스, 두 요소 간 통합), 특징(동적 외부 지식으로 생성 모델 증강), 과제(검색된 정보와 생성 목표의 정렬), 그리고 다양한 RAG 방법들을 분류하는 분류 체계를 논의합니다. 또한, RAG 시스템 평가에 사용되는 벤치마크와 데이터셋을 검토하고, 질문 응답, 요약, 정보 검색 등 다양한 분야에서의 RAG 응용 사례를 제시합니다. 마지막으로, 검색 효율 향상, 모델 해석성, 도메인 특화 적응 등 RAG 시스템 개선을 위한 새로운 연구 방향과 기회를 강조하고, 실제 문제 해결과 자연어 처리 발전에 대한 RAG의 전망을 제시합니다.
