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.
SemEval-2026 Task 1의 RAGthoven: 다단계 파이프라인이 벤치마크에 걸려 들어와 겨우 기준을 넘겼다
BioASQ A+ 및 B 단계를 위한 비용-실용적 품질 게이팅과 선택-융합 다중 모델 결합기
늙은 개도 새로운 기술을 배울 수 있을까? LLM을 문장 수준 번역 너머로
모든 검색 결과가 유용한 것은 아니다: 시계열 예측을 위한 입력 인식형 RAG의 크로스-어텐션
아르거스의 눈으로: 불확실성 점수화를 통한 검색 격차 평가로 검색 맹점을 탐지하고 개선
공중보건 정보 접근을 위한 안전성 제약 LLM 시스템 설계
학습 참여 보조 도구(LEA): 에이전트형 AI 튜터링 시스템의 교차 과목 확장성 및 교실 평가
LAPO: 다중 턴 검색 추론에서 자기 생성 과정 보상을 위한 한 턴 제외 귀속
Earthquaker-AI: 초등학교 지진 교육을 위한 루브릭 기반 평가 결합 검색-증강 생성(RAG) 프레임워크
검색을 예측하라! 검색-증강 생성을 위한 테스트 시간 적응
검색-증강 개인화 대화에서의 평가 재고: 인지·언어학적 관점
EvoGraph-R1: 에이전트형 검색을 위한 자기 진화형 다중모달 지식 하이퍼그래프
Open-KNEAD: 에이전트 분해 기반 지식 그라운딩 영양 추정
비용 거버넌스 RAG: 다중 테넌트 LLM 시스템에서 검색과 생성 전반의 통합 테넌트별 비용 귀속
온디바이스 4B 딥 리서치: 노출은 충실성을, 검색은 커버리지를 제한한다
MemOps: 장기 대화에서의 생명주기 메모리 연산 벤치마킹
DEER: 전문가 보고서 생성을 위한 심층 연구 에이전트 평가 벤치마크
FedMosaic: 파라메트릭 어댑터 기반 연합 검색-증강 생성
동일한 정확도, 불평등한 증거: 도구 사용 에이전트를 위한 의사결정 표면으로서의 검색 API
CAFE: 복합 AI 요인 평가 프레임워크
Eval-Pair Matrix: 소스 기반 RAG를 위한 LLM 평가자의 답변 쌍 메타 평가
융합 전 신뢰 검증: 오염된 멀티모달 RAG를 위한 QIMG-7 및 소스 인식 해석 방법
인간 피드백을 통한 대규모 언어 모델 향상: 자기 개선을 향한 여정
PaperRouter-Agent: 개인화된 계층적 논문 라우팅을 위한 내용 기반 LLM 에이전트
RAGU: 소형 도메인 적응 LLM을 활용한 다단계 GraphRAG 엔진
온도가 검색-증강 생성에서 이념적 담론을 형성하는 방식
Vinci2: 연속적 자기중심 영상에서의 능동적 지원 제공
AuditWeave: AI 보조 및 데이터 변환 워크플로우를 위한 변조 탐지 가능하고 감사자 탐색 가능한 증거 층
EvidentialRAG: 증거적 심층 학습을 통한 다중 소스 검색-증강 생성에서의 정보 충돌 정량화 및 완화
A Multi-Agent Framework for Zero-Dimensional Reduced-Order Model Planning
GRASP: 에이전틱 RAG를 위한 세분성 인식 검색 정책
규제 기반 세밀 분류를 위한 제약 인식 계층적 탐색
순응 함정: AI 에이전트가 충돌하는 메모리를 소비하는 방식 진단
STEC: 개방형 다중 홉 QA의 심층 탐색을 위한 증거 압축
EHR 기반 임상 추론을 위한 검색-증강 생성 vs. 긴 컨텍스트 입력 평가
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.