대규모 언어 모델에 기반한 질문 재작성을 활용한 검색증강 생성 시스템 = A Retrieval Augmented Generation(RAG) System Using Query Rewritting Based on Large Langauge Model(LLM)

다국어 초록 (Multilingual Abstract)

This paper proposes a retrieval pipeline that can be effectively utilized in fields requiring expert knowledge without requiring fine-tuning. To achieve high accuracy, we introduce a query rewriting retrieval method that leverages large language models to generate examples similar to the given question, achieving higher similarity than existing retrieval models. The proposed method demonstrates excellent performance in both automated evaluations and expert qualitative assessments, while also providing explainability in retrieval results through generated examples. Additionally, we suggest prompts that can be utilized in various domains requiring specialized knowledge during the application of this method. Furthermore, we propose a pipeline method that incorporates a Top-1 retrieval model, which chooses the most relevant document from the three returned by the query rewriting retrieval model. This aims to prevent the hallucination issue caused by the input of unnecessary documents into the large language model.

국문 초록 (Abstract)

본 논문에서는 미세 조정 학습 없이 전문 지식이 요구되는 분야에서 효과적으로 활용할 수 있는 검색기 구조를 제안한다. 이 과정에서 높은 정확도를 위해 대규모 언어모델을 활용해 질문과 유사한 예시를 생성하여 기존 검색기에 비해 유사도를 향상시키는 쿼리 리라이팅 검색기 방법론을 제안한다. 해당 방법론은 자동 평가와 전문가의 질적 평가에서 모두 우수한 성능을 거두었으며, 예시를 통해 검색기의 결과에 설명가능성을 제공한다. 또한 해당 방법론을 적용하는 과정에서 활용되는 프롬프트를 제안함에 다양한 전문 지식이 필요한 분야에서의 활용가능성을 제시한다. 이에 더하여 쿼리 리라이팅 검색기에서 선별한 3개의 검색 결과 중 정답 문서 1개를 선별하는 Top1 검색기를 추가한 파이프라인 방법론을 제안한다. 이는 대규모 언어 모델에 불필요한 문서가 입력되어 발생하는 환각 문제를 예방하는 것을 목표로 한다.