rag (4) 썸네일형 리스트형 [Paper Review] Question-Based Retrieval using Atomic Units for Enterprise RAG [Paper Review] EVCap: Retrieval-Augmented Image Captioning with External Visual-Name Memory [Paper Review] EVCap: Retrieval-Augmented Image Captioning with External Visual-Name Memory Reciprocal Rank Fusion(RRF) 기존 RAG의 경우 Retrieval 과정이 매우 중요함Retrieval 과정의 성능을 높이기 위해 BM25와 같은 키워드 기반 검색 기술, 임베딩을 사용하는 밀집 검색 방법이 제시됨 Reciprocal Rank Fusion(RRF)여러 소스의 Rank를 하나의 통합된 순위로 결합하는 순위 집계 방법D: DocumentR: 순위 지정자 집합k: 상수(일반적으로 60)r(d): 순위 지정자 r에 있는 문서 d의 순위 Steps사용자 쿼리 입력쿼리가 다중 검색기로 전송각 검색기가 관련 문서에 대한 자체 순위 생성RRF 공식을 사용해 각 검색기의 순위 결합RRF score를 토대로 통합 순위 산출상위 순위 사용해 최종 답변 생성 수식에 대한 수학적 직관1/(k+r(d))를 사용하면 더 높은 순위(낮은 숫자)에.. [Paper Review] Question-Based Retrieval using Atomic Units for Enterprise RAG Question-Based Retrieval using Atomic Units for Enterprise RAG논문 주소Goal of the Paper: Enterprise Retrieval-Augmented Generation (RAG) 시스템의 성능을 개선하는 것특히, 문서의 일부를 보다 효율적으로 검색하는 방법을 연구하여, 사용자 쿼리에 대해 더 정확한 문서 조각을 반환하는 것을 목표로 함.이를 통해 잘못된 정보로 인한 오답을 줄이고, LLM(Large Language Model) 기반의 응답 생성을 향상시키고자 함Contribution:문서를 원자적 정보(atomic statements)로 분해하여, 기존보다 더 높은 검색 성능을 달성이때 atomic statements 란, chunk를 개별적인.. 이전 1 다음
