AI2 [논문리뷰] KET-RAG: A Cost-Efficient Multi-Granular Indexing Framework for Graph-RAG 기존에 발생했던 문제1. 일부 기존 Graph-RAG 시스템은 청크 간 관련성에 기반해 KNN 그래프를 구성하지만, 해당 방식은 텍스트 내부의 엔티티 관계를 포착하지 못해 검색 효과성이 제한되고, 생성된 답변 품질이 저하된다.* KNN(K-Nearest Neighbors) 그래프는 텍스트 청크간 의미적 유사성과 관련성을 가지고 연결됨.→ 최근 텍스트 내부의 엔티티 관계(Triple) 포착하여 엔티티 채널 그래프 구성하는 연구들이 진행되고 있음. 2. 텍스트 청크로부터 엔티티와 관계를 추출하고, 이를 기반으로 triple 지식 그래프를 구성하는 방식은 대규모 문서 집합에 대해 인덱싱 비용이 매우 많이 든다.KG를 정교하게 만들기 위해선 모든 chunk를 LLM에 보내 triple을 추출해야 하는데, 문서량.. 2025. 4. 30. [논문 리뷰] Chain-of-Thought Prompting Elicits Reasoning in Large Language Models 논문 요약Chain-of-Thought(CoT)는 언어 모델이 정답만 바로 예측하는 것이 아니라, 문제를 풀어가는 과정을 단계적으로 서술하도록 유도하는 방식이다. 마치 사람처럼 사고의 흐름을 언어로 풀어내는 방식이다. 기존의 언어 모델은 복잡한 문제에서도 중간 추론 없이 바로 답을 출력하는 경향이 있었고, 이로 인해 정확도가 낮아지는 문제가 있었다. CoT는 프롬프트에 추론 과정을 담은 예시를 몇 개 포함시켜, 모델이 생각 흐름을 따라가며 답을 내도록 만든다. 이를 통해 수학, 상식, 기호 조작 등 다양한 과제에서 성능이 크게 향상되었으며, 특히 큰 모델일수록 효과가 두드러진다. 논문 설명1. 논문 선정 배경스크래핑을 통해 수집한 데이터에서 삼중항(Triple) 관계를 추출해야 했지만, 구조화에 강점을.. 2025. 4. 15. 이전 1 다음
