CORAL: 문화적 정렬을 위한 다국어 RAG를 위한 적응형 검색 루프

요약

CORAL(COntext-aware Retrieval with Agentic Loop)은 기존 다국어 RAG 시스템이 가진 문화적 맥락 및 지역적 불일치 문제를 해결하기 위해 제안된 적응형 검색 방법론입니다. 이 방법은 증거의 품질을 기반으로 리트리벌 코퍼스와 쿼리를 반복적으로 개선하는 루프를 포함합니다. 이를 통해 기존 mRAG 방식보다 더 높은 문화적 관련성을 갖춘 답변 생성이 가능하며, 저자원 언어 QA 벤치마크에서 상당한 성능 향상을 입증했습니다.

핵심 포인트

• 기존 다국어 RAG(mRAG)는 고정된 리트리벌 공간에 의존하여 문화적/지역적 맥락의 불일치를 해결하기 어렵습니다.
• CORAL은 증거 품질을 기반으로 코퍼스와 쿼리를 반복적으로 개선하는 적응형 검색 루프를 도입했습니다.
• 핵심 과정은 코퍼스 선택, 문서 리트리벌, 문화적 정렬을 위한 증거 비판, 그리고 충분성 확인 및 재작성(Iteration)입니다.
• CORAL은 저자원 언어 QA 벤치마크에서 기존 최고 성능 모델 대비 최대 3.58%p의 정확도 향상을 달성했습니다.