보이지 않는 영역의 포괄: 검색 증강 생성(RAG)을 위한 정보 수요 커버리지 최적화

요약

복잡한 쿼리에 대응하기 위해 컨텍스트 선택을 정보 수요 커버리지 최적화 문제로 재구성한 GeoRAG를 제안합니다. Sinkhorn-Wasserstein 거리를 최소화하여 다차원 수요를 포괄하며, 기존 top-k 방식보다 높은 정확도를 보여줍니다.

핵심 포인트

• GeoRAG는 정보 수요 커버리지 최적화 프레임워크 제안
• Sinkhorn-Wasserstein 거리를 활용한 컨텍스트 선택 최적화
• 비지도 학습 및 별도의 학습이 필요 없는 training-free 방식
• 6개 벤치마크에서 기존 베이스라인 대비 높은 EM 점수 달성