다국어 RAG의 언어 편향 문제와 해결책: LAURA 제안

요약

본 논문은 다국어 검색 증강 생성 (mRAG) 시스템이 겪는 심각한 '언어 편향(language bias)' 문제를 지적합니다. 기존 mRAG의 리랭커(reranker)가 영어와 질의어(query's native language)에 과도하게 의존하여 다른 언어의 중요한 증거를 무시하는 경향을 보입니다. 이를 해결하기 위해, 본 연구는 검색된 다국어 증거 순위를 다운스트림 생성 유틸리티와 정렬하는 새로운 모델인 LAURA (Language-Agnostic Utility-driven Reranker Alignment)를 제안합니다. 실

핵심 포인트

• 기존 mRAG 시스템은 리랭킹 과정에서 영어 및 질의 언어에 편향되어 다른 다국어 증거 활용도가 낮습니다.
• 연구진은 '추정 오라클 증거 분석(estimated oracle evidence analysis)'을 통해 기존 리랭커와 이론적 최대 성능 간의 큰 격차를 정량화했습니다.
• 성능 저하의 근본 원인은 최적 예측에 필요한 다중 언어 증거가 현재 시스템에서 체계적으로 억제되기 때문입니다.
• LAURA (Language-Agnostic Utility-driven Reranker Alignment)는 다국어 증거 순위를 다운스트림 생성 유틸리티와 정렬하여 언어 편향을 완화하고 mRAG 성능을 개선합니다.