RAG
태스크의 하위 분류와 논문·코드·평가·기법·데이터셋을 탐색하세요.
- 하위 태스크
- 0
- 평가표
- 1
- 보존된 평가 기록
- 1
Retrieval-Augmented Generation (RAG) is a task that combines the strengths of both retrieval-based models and generation-based models. In this approach, a retrieval system selects relevant documents or passages from a large corpus, and a generation model, typically a neural language model, uses the retrieved information to generate a response. This method enhances the accuracy and coherence of generated text, especially in tasks requiring detailed knowledge or long context handling.
RAG is particularly useful in open-domain question answering, knowledge-grounded dialogue, and summarization tasks. The retrieval step helps the model to access and incorporate external information, making it less reliant on memorized knowledge and better suited for generating responses based on the latest or domain-specific information.
The performance of RAG systems is usually measured using metrics such as precision, recall, F1 score, BLEU score, and exact match. Some popular datasets for evaluating RAG models include Natural Questions, MS MARCO, TriviaQA, and SQuAD.
논문
이 태스크와 하위 분야의 관련 논문입니다. 실제 성능 비교는 평가 결과에서 확인하세요.
기하학보다 계산: 의미 동일성은 임베딩에 담겨 전달되는 것이 아니라 계산된다
스킬로서의 정책(Policy-as-Skill): 증거, 결정론적 제어 및 감사를 갖춘 거버넌스 기반 LLM 의사결정 지원
제약 기반 컨텍스트 엔지니어링: AI 시스템을 위한 도메인 인터페이스 설계
정책 제약 LLM 의료 이의 생성을 위한 에이전트 거버넌스 및 적대적 검증
상속된 에이전트 메모리의 예산 제한 검증에서 계획 포인터와 레코드 지시문 형식
CoVeR: 에이전트형 검색에서 커버리지 기반 검증기 호출 라우팅
COLIEE 2026 Task 1의 ABAI: GraphRAG 강화 메타 학습 기반 다단계 검색과 교차 검증-테스트 격차에 대한 사후 분석
지속적 문서 작성을 위한 지식 풀 리퀘스트(Knowledge Pull Requests)
LLM은 어떻게 인용하는가? 검색-증강 생성에서 귀속(attribution)의 메커니즘적 해석
질문으로 나누고 에이전트로 정복하다: 질문 주도형 그래프 분할을 적용한 SPLIT-RAG
의사결정 인식 메모리 카드: 도구 사용 LLM 에이전트를 위한 반사실 영감 컨텍스트 선택 및 압축
NoteVQA: 인간 커뮤니티의 실생활 질문에 대한 VLM 벤치마킹
EvidenT: 증거 그라운딩과 추적 가능성을 통한 신뢰할 수 있는 기업용 어시스턴트 구축
AI 에이전트를 위한 공정 보상 분산 정보 검색 및 증강
문서화된 강도에서 힘 한계치까지: 건설 조립을 위한 재료 정보 기반 로봇 삽입
ScholarStack: 과학 에이전트를 위한 계층형 연구 자산 오케스트레이션 및 태스크 간 재사용
UniK: 디지털 AI와 물리 AI를 위한 범용 지식 인식
LADDER: 효율적 다중 홉 추론을 위한 그래프 가이드 확산 언어 모델
DUMA-Bench: LLM 에이전트 보안 평가를 위한 이중 제어 멀티에이전트 벤치마크
MyBuddy 휴머노이드 로봇을 위한 LLM 기반 대화형 AI 지식 어시스턴트
BackTrend: 후향적 재구성을 통한 과학적 약신호 예측 평가
PRISM-RAG: 담배 제품 및 입법 정책 추론을 위한 멀티모달 하이퍼그래프 검색-증강 생성
문서 검색-인식 청킹(D-RAC): PDF 정규화 및 멀티모달 마크다운 변환을 통한 엔터프라이즈 문서의 범용 검색-인식 수집
OverThink: 추론 LLM에 대한 속도 저하 공격
Beyond-RAG: 실시간 대화에서의 질문 식별 및 답변 생성
RAG 기반 챗봇 내 프롬프트 인젝션 방어를 위한 계층형 보안 프레임워크
HiQA: 다중 문서 질의응답을 위한 계층적 문맥 증강 RAG
ContextSniper: 저장소 수준 프로그램 수정을 위한 AntTrail의 토큰 효율적 코드 메모리
환각과 진실: RAG, LoRA, DoRA의 포괄적인 정확도 평가
MEDIAREF: A Public Knowledge Store for Media Background Checks
Agent-UCT: 비용 인식 에이전트 워크플로 최적화를 위한 트리에 적용된 상한 신뢰 경계
LoRA를 지식 메모리로서 이해하기: 실증 분석
CAGE: 장문 질의응답에서 충실한 인라인 인용 생성을 위한 인지적 귀속 그래프
소프트맥스가 버리는 것: 증거 누적을 위한 질량 인식 어텐션
다국어 검색-증강 생성을 위한 언어 결합 강화학습
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.