페리

https://arxiv.org/abs/2504.11544?ref=graphusergroup.com NodeRAG: Structuring Graph-based RAG with Heterogeneous NodesRetrieval-augmented generation (RAG) empowers large language models to access external and private corpus, enabling factually consistent responses in specific domains. By exploiting the inherent structure of the corpus, graph-based RAG methods further enriarxiv.org이번 글은 그래프 오마카세 시..

LLM은 본질적으로 아는 것처럼 보이도록 그럴듯한 문장을 생성하는 모델이다. 이로 인해 정확한 정보가 요구되는 질문(법, 논문, 의학, 최신 정보 등)을 받았을 때, 명확한 근거가 없으면 추측에 기반한 답변을 생성하는 경우가 발생할 수 있다. 이러한 현상은 이전 글에서도 언급한 AI 환각(hallucination)에 해당된다.1. RAG논문에서 언급되는 RAG(Retrieval-Augmented Generation)는 이러한 문제를 완화하기 위한 기법으로, 대규모 언어 모델이 답변을 생성할 때 외부 지식 베이스에서 관련 정보를 검색한 후, 이를 근거로 답변을 생성하는 방식이다. 즉, RAG는 답변을 생성하기에 앞서 관련 문서를 먼저 검색하고, 해당 문서를 바탕으로 응답을 구성하는 구조를 가진다. 이러한..