본 논문은 검색 증강 생성(RAG) 모델의 취약점인 관련 정보 조각의 불확실한 배치와 검색으로 인한 정보 과부하로 인한 환각 현상을 해결하기 위해, 새로운 추출 후 생성 모델인 Ext2Gen을 제안합니다. Ext2Gen은 질의와 관련된 문장을 먼저 추출한 후 답변을 생성하여 RAG의 강건성을 향상시킵니다. 쌍방향 피드백 학습을 통해 선호도 정렬을 수행하여 검색 결과의 변화에도 강건한 답변을 생성하도록 모델을 최적화합니다. 실험 결과, Ext2Gen은 높은 정밀도와 재현율로 질의와 관련된 문장을 효과적으로 식별하고 신뢰할 수 있는 답변을 생성하는 것으로 나타났습니다. 또한, RAG 환경에서 모델을 배포한 결과 기본 LLM의 성능을 향상시킬 뿐만 아니라 질의 확장과 같은 고급 검색 전략과 시너지 효과를 발휘하는 것을 확인했습니다. 데이터셋과 모델은 곧 공개될 예정입니다.
