환경 인식 정보 검색(Environment-aware Information Retrieval)의 동작 방식 이해

요약

본 연구는 검색기(retriever)의 특성에 맞춰 LLM이 질의 구성 전략을 적응시키는 환경 인식 정보 검색 방식을 제안합니다. 강화학습(RL)을 통해 검색기별 최적의 질의 스타일을 학습하며, 이를 통해 더욱 정교한 RAG 시스템 구축이 가능함을 입증했습니다.

핵심 포인트

• 검색기마다 최적의 질의 스타일(서술형 vs 질문형)이 다름을 발견
• 강화학습(RL)을 통해 검색기 특성에 맞춘 질의 구성 전략 학습 가능
• 인간 가이드 및 모델 크기 확장을 통한 성능 향상 확인
• 훈련 안정성을 위한 분기 기반 롤아웃(branching-based rollout) 기술 도입