꼬리 분포 격차 해소: 다단계 패러프레이즈 주입을 통한 견고한 검색 증강 관계 완성

요약

본 논문은 대규모 언어 모델(LLMs)이 정보 추출이나 희소한 관계 완성에 어려움을 겪는 문제를 해결하기 위해 'RC-RAG'라는 다단계 패러프레이즈 가이드 관계 완성 프레임워크를 제안합니다. RC-RAG는 검색 단계와 생성 단계 모두에 체계적인 패러프레이즈 통합을 통해 관계의 어휘적 범위를 확장하고 추론 과정을 안내하여, 모델 미세 조정 없이도 높은 성능을 달성하는 것이 특징입니다. 실험 결과, 특히 꼬리 분포(long-tail) 설정에서 기존 RAG 베이스라인 대비 현저히 우수한 성능 향상을 입증했습니다.

핵심 포인트

• LLMs의 관계 완성 및 검색 증강 생성(RAG) 한계를 극복하기 위해 'RC-RAG' 프레임워크를 제안함.
• RC-RAG는 패러프레이즈를 검색, 요약, 추론 안내 등 다단계 과정에 통합하여 성능을 향상시킴.
• 모델 미세 조정(fine-tuning) 없이도 높은 성능을 달성할 수 있어 효율적임.
• 실험 결과, 꼬리 분포 설정에서 기존 RAG 베이스라인 대비 최대 40.6점의 Exact Match (EM) 점수 향상을 기록함.