본 연구는 2020년부터 2025년 5월까지 발표된, 인용 횟수가 높은 검색 증강 생성(RAG) 관련 연구 128편에 대한 체계적 문헌 검토를 수행했습니다. ACM Digital Library, IEEE Xplore, Scopus, ScienceDirect, DBLP 등의 데이터베이스에서 자료를 수집하여 PRISMA 2020 프레임워크에 따라 분석했습니다. RAG는 신경망 기반 검색 모델과 생성형 언어 모델을 결합하여 최신 정보를 활용하면서 모델 가중치에 저장된 의미적 일반화를 유지하는 방식입니다. 본 연구는 데이터셋, 아키텍처, 평가 방식을 분류하고, RAG의 효과와 한계에 대한 경험적 증거를 종합하여 현재 연구 현황을 명확히 하고, 방법론적 격차를 강조하며, 미래 연구의 우선순위 방향을 제시합니다. 2025년에 발표된 논문의 경우 인용 횟수 기준을 낮춰 최근의 혁신적인 연구도 포함했습니다.