AI 연구연구 프리프린트
SAG2, 임베딩 없이 문단을 확장해 다단계 근거 검색
원문 읽기 · arxiv.org ↗(새 탭에서 열림)SAG2는 대형 임베딩 저장소 없이도 여러 문단을 거쳐 찾아야 하는 근거를 검색할 수 있는지 시험했다.
배경과 구성
- 원문 문단을 SQLite의 BM25 어휘 인덱스로 저장한다. 먼저 찾은 문단에서 새 검색어를 고르고 다시 검색하는 과정을 반복하며 JEV가 질문과 누적 문맥을 보고 근거 적합성을 판단한다. 색인할 때 임베딩이나 모델 호출은 없다.
실험 근거
- MuSiQue 1,000문항의 근거 Recall@10은 86.62%였다. 판정 횟수를 약 33만 건으로 비슷하게 맞춘 단일 단계 BM25+JEV는 69.82%였다. MuSiQue 문단 11,656개 색인은 2.36초에 25.87MiB 파일을 만들었다. 합성 기업 문서 511,962개의 문서 라벨이 있는 470질문에서 문서 Recall@10은 81.10%였다.
적용 조건
- 색인 준비가 간단한 대신 질문마다 호스팅 JEV 판정 비용이 발생한다. 기업 문서 평가는 합성 말뭉치이고 비교 기준의 구현·예산이 같지 않다. 근거 검색률을 실제 사용자 답변의 정확성이나 운영 지연으로 해석하지 않는다.
함께 확인할 조건
- Recall@10은 주석 달린 근거 문단이 상위 10개에 있는 비율이지 생성 답변 정확도가 아니다. MuSiQue는 개발에도 사용한 고정 부분집합이며 기업 말뭉치는 합성 자료다. JEV의 상세 구조·가중치는 공개되지 않았고 호스팅 API에 의존한다. 질의 지연과 사내망 자체 배포는 검증되지 않은 비심사 프리프린트다.
출처와 편집 기준
arxiv.org · 연구 프리프린트 · 검수 2026.10.19 (KST)
요약은 원문의 핵심을 정리했으며, 커머스 인사이트는 편집 해석이다.