VectifyAI/PageIndex

요약

PageIndex는 기존의 벡터 유사성 검색(similarity)에 의존하는 전통적인 RAG 시스템의 한계를 극복하기 위해 설계된 차세대 '벡터리스(vectorless)', 추론 기반 RAG 프레임워크입니다. 이 시스템은 긴 전문 문서에서 계층적 트리 인덱스를 구축하고, LLM이 이 구조를 따라 인간 전문가처럼 논리적으로 추론하며 검색을 수행합니다. 이를 통해 단순한 유사성 매칭을 넘어선 '관련성(relevance)' 기반의 정확하고 해석 가능한 지식 추출이 가능하여 전문 문서 분석 분야에서 높은 성능을 입증했습니다.

핵심 포인트

• **벡터리스 RAG (Vectorless RAG):** 벡터 임베딩과 유사성 검색 대신, 문서 구조와 LLM의 추론 능력을 활용하여 정보를 검색합니다.
• **계층적 트리 인덱싱:** 긴 문서를 페이지 및 섹션 단위로 계층화된 트리를 구축하여 대용량 전문 문서에서도 정확한 탐색이 가능하게 합니다.
• **추론 기반 검색 (Reasoning-based Retrieval):** LLM이 '목차 생성'과 같은 추론 과정을 거쳐 필요한 정보를 찾아내므로, 단순 유사성 매칭보다 훨씬 높은 관련성을 제공합니다.
• **향상된 투명성과 해석 가능성:** 검색 과정이 페이지 및 섹션 참조를 통해 추적 가능하고 이해하기 쉬우며, '블랙박스' 방식의 근사 벡터 검색을 피할 수 있습니다.
• **전문 문서 최적화:** 금융(FinanceBench) 등 전문 지식이 필요한 복잡한 문서를 분석하는 데 특화되어 있으며, 높은 정확도를 보여줍니다.