Retrieval-augmented generation (RAG) 모델은 외부 지식을 활용하여 환각을 줄이고 전문성을 향상시킨다. HyperbolicRAG는 그래프 기반 RAG에 쌍곡 기하학을 통합하여 세밀한 의미와 전반적인 계층 구조를 모두 포착하는 것을 목표로 한다. HyperbolicRAG는 (1) Poincare manifold 내 노드를 임베딩하여 의미적 유사성과 계층적 포함 관계를 정렬하는 깊이 인식 표현 학습기, (2) 추상화 수준 전반에 걸쳐 기하학적 일관성을 강화하는 비지도 대비 정규화, (3) 유클리드 공간과 쌍곡 공간의 검색 신호를 공동으로 활용하는 상호 랭킹 융합 메커니즘을 포함한다. 다양한 QA 벤치마크에서 HyperbolicRAG는 기존 RAG 및 그래프 기반 모델을 능가하는 성능을 보였다.
