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.
Teachy Mini: 고등교육을 위한 지식 기반 생성형 소셜 로봇의 개발 및 예비 평가
PennySynth: 자동 양자 코드 생성을 위한 RAG 기반 데이터 합성
피부 면역 관련 부작용 식별을 위한 휴먼-인-더-루프 대규모 언어 모델 프레임워크
TopoGuard: RAG의 분할 지식(split-knowledge) 공격에 대한 그래프 이론 기반 방어
LegalCiteTrust: 중국어 장문 법률 연구 보고서의 인용 신뢰성 벤치마킹
GRADRAG: 조율된 다중 에이전트 RAG를 위한 교차 컴포넌트 프롬프트 적응
Multimodal CoLRAG-TF: 복잡한 PDF를 위한 트리플 필터링 검색
Chronofy: 시간 인식 검색-증강 생성에서 정보 유효성을 위한 시간-논리 감쇠 아키텍처
Infrastructure-as-Code 생성을 위한 에이전트형 LLM의 검증기 우선 평가
하이퍼그래프 기반 RAG 최적화: 향상된 사실 추출 및 청크 검색
GPE: 제어 가능한 GEO 스타일 포이즈닝 하에서 사실 검증을 위한 견고한 증거 집계 평가
Deep Research는 신뢰할 수 있는가? 오도하는 지식이 잘못된 결론을 유발한다
추적 가능한 학술: 생성형 AI 시대 인문학적 탐구를 위한 페이지 앵커와 아리아드네의 실
Euclid-MCP: Prolog를 통한 결정론적 논리 추론을 위한 Model Context Protocol 서버
PATS: 에이전트 강화학습을 위한 정책 인식 학습 스캐폴딩
CRAG-MM-Diagnostics: 지식 집약형 VQA의 단계별 분석 지원
대규모 언어 모델에서의 정보 판별
GraphContainer: 그래프 RAG 방법 비교 및 디버깅을 위한 통합 플랫폼
HyGRL: 다중 개체 질문을 위한 적응형 하이브리드 그래프 추론
다중모달 에이전트형 검색의 침묵 실패: 진단 분류체계와 교차 심사 평가
PARSE: 전문 도메인 LLM 에이전트를 위한 출처 인식 검색 정제
지식 지향 검색-증강 생성(RAG) 서베이
MamaBench: 역실적 임상 교란을 통한 모자보건 진단에서 LLM 견고성 벤치마킹
Digital Pantheon: LLM 에이전트를 이용한 연립 형성 시뮬레이션 및 감사
머신 언러닝이 검색-증강 생성(RAG)을 만날 때: 비밀을 지킬 것인가, 지식을 잊을 것인가?
LongEval에서 DS@GT ARC: 과학 QA의 인용 무결성과 사실적 그라운딩
Bridge Evidence: 다단계 에이전트형 검색에서 정적 검색 유용성은 인과적 유용성을 예측하지 않는다
InfoFlow KV: Information-Flow-Aware KV Recomputation for Long Context
다중 도메인 검색을 위한 인증된 도메인 일관성: 컨포멀 위험 보증 기반 레이블 없는 도메인별 오염 제어
NeuroGRIP: 지식 기반 EEG 발작 진단을 위한 검색-증강 그래프 정제
HG-RAG: 구조화된 지식 그래프를 위한 계층 유도 검색-증강 생성
Chat2Scenic: 자율주행 시나리오 생성을 위한 반복적 RAG 기반 프레임워크
에이전트 개명주기에서 Git이 메모리 솔루션인 이유
SmartRAG: 모바일 기기용 네이티브 그래프 기반 RAG
MonteRET: 다중 세분화 지식 검색으로 다중모달 LLM을 강화하는 흉부 CT 보고서 생성 AI 에이전트
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.