원문은 AI Tech Connect에 게시되었습니다.

검색(Retrieval)을 정확하게 만드는 것에 대한 문헌은 매우 많지만, 이를 최신 상태로 유지하는 것에 대한 문헌은 거의 없습니다. 청킹(Chunking), 하이브리드 검색(Hybrid Search), 인덱스 파라미터(Index Parameters), 리랭커(Rerankers) 및 평가 지표(Evaluation Metrics)는 잘 다루어져 있습니다. 청킹 및 임베딩(Embedding) 전략, 하이브리드 검색, 벡터 인덱스 튜닝, 리랭킹(Reranking) 및 RAGAS 평가에 관한 당사의 가이드들은 각각 하나씩 제대로 다루고 있습니다. 당사의 가이드를 포함한 이 모든 방법론은, 튜닝을 진행하는 동안 코퍼스(Corpus)가 정지된 상태로 유지된다고 조용히 가정합니다. 하지만 실제로는 그렇지 않습니다. 위키 페이지는 편집되고, 가격표는 오전 9시에 변경되며, 정책은 철회되고 교체되며, 고객은 삭제 권리를 행사합니다. 이 글은 오직 그 차원에 대해서만 다루며, 특정 벤더(Vendor) 중심이 아닌 아키텍처(Architecture) 중심으로 접근합니다. 왜냐하면 패턴이 바뀌기 전에 스토어와 모델들이 여러 번 교체될 것이기 때문입니다. 정보의 노후화(Staleness) 문제,…

AI Tech Connect에서 전체 기사 읽기 →