Bridge-RAG: An Abstract Bridge Tree Based Retrieval Augmented Generation Algorithm

작성자

Haebom

카테고리

Empty

저자

Zihang Li, Wenjun Liu, Yikun Zong, Jiawen Tao, Siying Dai, Songcheng Ren, Zirui Liu, Yuhang Wang, Yanbing Jiang, Tong Yang

💡 개요

본 논문은 LLM의 생성 품질 향상에 중요한 역할을 하는 RAG(Retrieval Augmented Generation)의 검색 정확도 및 효율성 문제를 해결하기 위해 Bridge-RAG라는 새로운 프레임워크를 제안합니다. 쿼리 엔티티와 문서 청크 간의 의미론적 이해를 강화하기 위해 추상화된 브릿지 트리를 구축하고 다단계 검색 전략을 사용하여 풍부한 컨텍스트 정보를 확보합니다. 또한, Cuckoo Filter를 통합하여 검색 효율성을 높였으며, 실험을 통해 기존 모델 대비 일관된 정확도 향상과 최대 1.9배 빠른 검색 속도를 입증했습니다.

🔑 시사점 및 한계

•

추상화된 브릿지 트리를 활용하여 쿼리 엔티티와 문서 간의 의미론적 연결을 강화함으로써 RAG의 검색 정확도를 획기적으로 향상시킬 수 있습니다.

•

계층적 트리 구조와 다단계 검색 전략은 검색 시 충분한 컨텍스트 정보를 포괄하여 생성 결과의 품질을 높입니다.

•

Cuckoo Filter를 통합하여 엔티티 검색 속도를 O(1)으로 최적화함으로써, 트리 구조로 인한 검색 오버헤드를 상쇄하여 전반적인 효율성을 개선합니다.

•

복잡한 트리 구조의 탐색 과정에서 발생하는 추가적인 검색 오버헤드에 대한 해결책으로 Cuckoo Filter를 적용하였지만, 여전히 대규모 데이터셋이나 복잡한 질의의 경우 성능 저하가 발생할 수 있으며, 추상화 과정의 비용과 효율성 간의 균형을 맞추는 연구가 더 필요합니다.

PDF 보기

Made with Slashpage