본 논문은 실시간 산업용 CQA(Community Question Answering)를 위한 검색 증강 생성 프레임워크인 ComRAG를 제안합니다. ComRAG는 정적 지식과 동적 과거 QA 쌍을 검색, 생성 및 효율적인 저장을 위해 설계된 중심 기반 메모리 메커니즘을 통해 통합합니다. 기존 방법들이 외부 지식을 충분히 활용하지 못하고, 동적인 과거 QA 맥락을 통합하지 못하거나, 산업 배포에 적합한 메모리 메커니즘이 부족한 문제점을 해결하기 위해 고안되었습니다. 세 개의 산업용 CQA 데이터셋에서 평가한 결과, ComRAG는 모든 기준 모델을 능가하며 벡터 유사도는 최대 25.9% 향상, 지연 시간은 8.7%~23.3% 감소, 반복에 따른 청크 증가는 20.23%에서 2.06%로 감소하는 성과를 보였습니다.
