AI 요약관련 정보

• RAG는 Retrieval-Augmented Generation의 약자로, 정보를 땡겨와 생성 과정을 향상시키는 것을 의미합니다. 📚
• Retrieval은 텍스트를 특정 차원의 벡터로 임베딩하여 유사한 벡터를 검색하고, 연결된 정보를 가져오는 과정입니다. 🔍
• 엠베딩은 텍스트를 특정 개수의 숫자로 변환하는 것을 의미하며, 텍스트를 숫자로 표현하는 것이 핵심입니다. 🔢
• Augmentation은 검색된 정보를 활용하여 컨텍스트를 강화하는 과정으로, 생성 자체를 강화하는 것이 아닙니다. 💡
• RAG는 LLM(Large Language Model)과는 독립적으로 작동하며, 엠베딩, 벡터 DB 검색, 질의 강화 등의 과정에서 LLM이 사용되지 않습니다. 🤖
• RAG의 핵심은 LLM에 질의를 던지기 전에 컨텍스트를 보강하는 데 있으며, 이를 통해 LLM의 답변 품질을 향상시킬 수 있습니다. 🌟
• 엠베딩은 텍스트를 특정 개수의 숫자로 바꿔주는 과정이며, RAG에서 중요한 역할을 합니다. 📊
• RAG는 LLM과 무관한 기술이며, LLM과 연동하여 사용할 수 있습니다. 🤝
• 컨텍스트를 강화하는 다양한 방법(툴체인, 장기 메모리 등)이 RAG와 유사한 개념으로 활용될 수 있습니다. 🛠️