Don't Retrieve, Navigate: Distilling Enterprise Knowledge into Navigable Agent Skills for QA and RAG

작성자

Haebom

카테고리

Empty

저자

Yiqun Sun, Pengfei Wei, Lawrence B. Hsieh

💡 개요

이 논문은 기존의 검색 증강 생성(RAG) 방식이 외부 문서에 대한 LLM의 수동적인 활용에 국한된다는 점을 지적합니다. 이에 대한 해결책으로, 문서 코퍼스를 계층적 스킬 디렉토리로 오프라인에서 구축하고, 서빙 시 LLM 에이전트가 이를 탐색하며 정제된 요약부터 문서까지 계층적으로 접근하고 비효율적인 경로는 되돌아가는 'Corpus2Skill'이라는 새로운 방법론을 제안합니다. 실제 고객 지원 벤치마크에서 Corpus2Skill은 기존 RAG 방식들보다 질문 답변 품질과 근거 제시 능력을 향상시키면서도 합리적인 비용으로 이를 달성했습니다.

🔑 시사점 및 한계

•

계층적 탐색을 통한 지식 활용의 효율성 증대: Corpus2Skill은 LLM이 단순히 검색 결과를 소비하는 것을 넘어, 문서 코퍼스의 구조를 이해하고 계층적으로 탐색함으로써 더 정확하고 근거 있는 답변을 생성할 수 있음을 보여줍니다.

•

적합한 코퍼스 구조의 중요성: 코퍼스 탐색 방식은 단일 도메인이나 복구 가능한 주제 분류 체계를 가진 코퍼스에서 뛰어난 성능을 보이지만, 개방형 도메인의 사실 기반 데이터나 위계 구조가 명확하지 않은 표 형식 데이터에서는 기존의 평면적 검색 방식이 더 효과적일 수 있습니다.

•

범용성 및 탐색 방식의 선택: Corpus2Skill이 모든 종류의 코퍼스에 대해 검색 기반 RAG를 대체할 수 있는 보편적인 해결책은 아니며, 코퍼스의 특성에 따라 탐색 방식과 검색 방식 간의 적절한 조합 또는 선택이 중요합니다.

PDF 보기

Made with Slashpage