FaithfulRAG: 문맥 충실도를 위한 사실 수준의 충돌 모델링 (ACL 2025)

FaithfulRAG: 문맥 충실도(Context-Faithful)를 위한 검색 증강 생성(Retrieval-Augmented Generation, RAG)에서의 사실 수준 충돌 모델링 (ACL 2025)

더욱 충실한 검색 증강 생성(RAG)을 위해 사실 수준(fact-level)의 충돌을 명시적으로 모델링하는 새로운 RAG 프레임워크입니다.

• ✅
  사실 수준의 충실도 (Fact-Level Faithfulness): 검색된 문맥(retrieved context)과 LLM 생성물 사이의 충돌을 명시적으로 모델링합니다. - 🧑🔬
  강력한 결과 (Strong Results): 문맥 충실도 벤치마크에서 이전의 RAG 방법론들을 능가합니다. - 💡
  쉬운 통합 (Easy Integration): OpenAI / HuggingFace / LlamaFactory 백엔드를 지원합니다. - 📊
  평가 도구 (Evaluation Tools): CoT (Chain-of-Thought)를 지원하는 내장된 충실도 평가 파이프라인을 제공합니다.

pip install -r requirements.txt

import asyncio
from datasets import load_dataset
from faithfulrag import FaithfulRAG
...

이 연구가 도움이 되었다면, 다음을 인용해 주시기 바랍니다:

@misc{zhang2025faithfulragfactlevelconflictmodeling,
title={FaithfulRAG: Fact-Level Conflict Modeling for Context-Faithful Retrieval-Augmented Generation},
author={Qinggang Zhang and Zhishang Xiang and Yilin Xiao and Le Wang and Junhui Li and Xinrun Wang and Jinsong Su},
...

✉️ 이메일: xzs.xiang@hotmail.com