요약

TL;DR: Elasticsearch에서 Dense, Lexical(BM25), Sparse(SPLADE) 검색 방식을 RRF(Reciprocal Rank Fusion) 기법으로 통합하여 3-way 검색을 구현하는 실전 가이드입니다. JMTEB 벤치마크의 11개 태스크(NDCG@10 지표)를 대상으로 각 방식의 성능과 통합 시너지 효과를 검증했습니다. 개발자는 단일 모델 의존도를 낮추고 하이브리드 접근법의 효율성을 파악할 수 있습니다.

핵심 포인트

• Elasticsearch는 하나의 인덱스에서 Dense, Lexical(BM25), Sparse(SPLADE) 등 3 가지 검색 방식을 동시에 지원하여 하이브리드 RAG 구현이 가능합니다.
• RRF(Reciprocal Rank Fusion) 기법을 사용하여 서로 다른 벡터 공간과 TF-IDF/Word Embedding 기반의 결과들을 순위만 통합하면, 단일 방식보다 견고한 검색 성능을 얻을 수 있습니다.
• JMTEB 벤치마크 11 개 태스크(NDCG@10) 검증 결과, Dense, Lexical, Sparse를 RRF 로 혼합하는 방식이 개별 방식 단독 사용보다 일관된 높은 성능을 보였습니다.
• 검색 알고리즘 선정 시 단일 모델에 의존하기보다, Elasticsearch 의 다중 검색 기능과 RRF 를 활용한 통합 전략이 실무적으로 유리합니다.