RAG
1.[논문 리뷰] Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks
해당 포스팅은 논문에 대한 번역이 아닌 요점 위주로 정리해놓은 글임을 밝힙니다. Background Knowledge Intensive Task (KIT) : 단순한 정보 검색 그 이상을 의미함. 문제 해결을 위해 광범위한 배경 지식이 필요하며, 지식의 응용이 필요
2.[논문 리뷰] Learning Retrieval Augmentation for Personalized Dialogue Generation
PreRequisite RAG(Retrieval-Augmented Generation) retriever과 generator를 결합한 프레임워크 질문에 답하기 위해 모델의 내부 지식만을 바탕으로 답을 하는 것이 아니라 외부 지식 소스를 이용하여 답 가능
3.[논문 리뷰] Leveraging Passage Retrieval with Generative Models for Open Domain Question Answering
RAG의 한계점retrieve해오는 passage의 수가 늘어도 성능 개선 폭이 크지 않거나 오히려 성능이 감소하는 문제가 발생이는 RAG의 복잡한 aggregation 과정으로 인해 passage 수에 quadratic한 연산량 증가가 있기 때문 (자세한 내용은 해당
4.[논문 리뷰] From Local to Global: A Graph RAG Approach to Query-Focused Summarization
그래프 인덱싱 + 커뮤니티 탐지 + Map-Reduce 방식을 활용하여 RAG의 전역적 데이터 분석을 가능하게 하는 Graph RAG
5.[논문 리뷰] SELF-RAG: Learning to Retrieve, Generate, and Critique through Self-Reflection
SELF-RAG
6.[논문 리뷰] Corrective Retrieval Augmented Generation
검색 모델의 결과를 스스로 고치고, 문서 활용도를 개선하여 생성 품질을 향상시킬 수 있는 구조 기존 다른 RAG 구조에 비해 검색의 성능이 떨어지더라도 비교적 성능이 덜 떨어짐
7.[논문 리뷰] Chain-of-Retrieval Augmented Generation(CoRAG)
중간 검색 체인을 활용하여 복잡한 질의를 잘 처리할 수 있도록 고안된 CoRAG 프레임워크
8.[논문 리뷰] Active Retrieval Augmented Generation
생성 과정에서 능동적으로 언제, 무엇을 검색할지 결정하는 프레임워크
9.Adaptive-RAG: Learning to Adapt Retrieval-Augmented Large Language Models through Question Complexity
쿼리의 난이도에 따라 적응형 검색을 수행하는 Adaptive-RAG
10.DRAGIN: Dynamic Retrieval Augmented Generation based on the Information Needs of Large Language Models
별도의 추가 학습이나, 미세 조정, 프롬프트 엔지니어링 없이 LLM의 정보 요구에 따라 검색 시점과 검색 내용을 결정할 수 있는 DRAGIN 프레임워크 제안