Retrieval as Reasoning - LLM Wiki가 RAG보다 나은 이유에 대한 실증 벤치마크

원문 발행 2026. 08. 05. 11:06원문 언어 한국어GeekNews 원문 보기

요약

기존 RAG의 청크 단위 검색 한계를 극복하기 위해, 에이전트가 링크된 마크다운 위키를 탐색하며 추론하는 'LLM Wiki' 방식의 효용성을 입증한 연구입니다. 멀티홉 질문 해결 능력이 기존 모델 대비 크게 향상되었으며, 에이전트의 순회(Navigation) 과정이 성능의 핵심임을 밝혀냈습니다.

핵심 포인트

청크 검색 대신 링크된 위키 페이지를 탐색하여 문맥 관계 유지
멀티홉 QA 벤치마크에서 기존 모델 대비 F1 점수 2.0~8.1 상승
에이전트의 '순회(Navigation)' 과정이 성능에 가장 결정적인 역할 수행
지식의 의존도에 따라 읽기 단계를 조절하는 '읽기 사다리' 개념 제안

문서를 청크 단위로 잘라 벡터로 검색하는 RAG 방식이 아닌,

서로 링크된 마크다운 위키로 만들고 에이전트가 네비게이션하는 LLM Wiki 방식이 나은 이유에 대해 실증한 논문입니다.

논문이 풀어본 문제

청크 검색은 문서를 잘게 잘라 비슷한 조각 몇 개만 꺼내 붙임. 여러 문서를 이어야 답이 나오는 멀티홉 질문에서 약함
조각으로 자르는 순간 조각들 사이의
관계가 사라짐. 이것이 근본적인 한계 - 논문은 검색을 '조각 꺼내기'가 아니라
**'추론'**으로 접근. 위키를 미리 구성해 두고, 읽고 → 링크 따라가고 → 모자라면 다시 검색하며 여러 번 되짚어 답을 맞춰 감

핵심 요약

컴파일: 원문서를 양방향 링크가 걸린 위키 페이지로 변환 (검색하는 단위가 청크가 아니라 링크된 페이지)세 가지 도구: 검색(search)·읽기(read)·링크 따라가기(link)를 표준 도구로 정의Error Book: 위키의 구조·의미 오류를 계속 스스로 고침자가 진화: 쓸수록 위키 자체가 나아짐

벤치마크 결과

멀티홉 QA 세 종류에서 기준 모델들보다
2.0~8.1 F1앞섬 - 별도 벤치마크 AuthTrace에서도 정확도 1위. 특히 여러 문서를 엮는 질문에서 강함

가장 주목할 대목 — Ablation (F1 손실, HotpotQA / MuSiQue / 2Wiki)

순회를 뺐을 때: −11.7 / −13.8 / −12.2 (가장 치명적)위키 구조를 뺐을 때: −6.1 / −7.0 / −6.7Error Book을 뺐을 때: −3.8 / −4.0 / −3.4- 순서로 보면 순회 > 구조 > 교정. 순회가 구조보다 두 배쯤 중요함

추가한 것 — 읽기 사다리(GROUND Ladder)

에이전트가 위키 페이지를
쓰기 전에얼마나 읽을지를 다섯 단계로 나눔: ① 페이지가 적어둔 의존성 → ② 인덱스 → ③ 빌드가 미리 계산해둔 링크 → ④ 콘텐츠 검색 → ⑤ 위키 전체 - 위 단계로 올라가는 건 순서대로가 아님. '지금 근거가 모자란다'는 신호가 있을 때만 그 신호가 가리키는 칸으로 바로 감
논문은 순회를 '답 만들 때' 썼지만, 오픈소스 프로젝트에서는 '읽어 들일 때' 지키는 규칙으로 가져옴
자세한 설명: https://github.com/alfadur7/llm-wiki-newsroom/…

아직 부족한 점

읽기 사다리는 이제 막 구현하였고
효과를 아직 측정하기 전. - 읽기 단계를 올라가다 멈추는 기준도 잠정 수치고 두세 번 돌려 데이터가 쌓이면 기준을 다듬을 예정

링크

논문 (arXiv:2605.25480): https://arxiv.org/abs/2605.25480
오픈소스 레포: https://github.com/alfadur7/llm-wiki-newsroom
규칙 원문(SoT): https://github.com/alfadur7/llm-wiki-newsroom/…

AI 자동 생성 콘텐츠

원문 바로가기

Retrieval as Reasoning - LLM Wiki가 RAG보다 나은 이유에 대한 실증 벤치마크

요약

핵심 포인트

논문이 풀어본 문제

핵심 요약

벤치마크 결과

가장 주목할 대목 — Ablation (F1 손실, HotpotQA / MuSiQue / 2Wiki)

관련 오픈소스 프로젝트

추가한 것 — 읽기 사다리(GROUND Ladder)

아직 부족한 점

링크

댓글

논문이 풀어본 문제

핵심 요약

벤치마크 결과

가장 주목할 대목 — Ablation (F1 손실, HotpotQA / MuSiQue / 2Wiki)

관련 오픈소스 프로젝트

추가한 것 — 읽기 사다리(GROUND Ladder)

아직 부족한 점

링크