RAG: 검색 증강 생성

1 / 16

100%

대규모 언어모델(LLM)은 강력하지만 두 가지 근본적 한계가 있습니다. 1. Hallucination — 그럴듯하지만 틀린 정보를 생성합니다. 모델이 학습하지 않은 내용도 자신감 있게 답변하는 것이 문제입니다. 2. 지식 Cutoff — 학습 데이터 이후의 최신 정보를 모릅니다. 2024년에 학습된 모델은 2025년 뉴스를 답할 수 없습니다. RAG(Retrieval-Augmented Generation)는 이 문제를 해결합니다: 질문에 관련된 문서를 먼저 검색 한 뒤, 그 문서를 근거로 제공하여 LLM이 정확하게 답변하게 만듭니다. 마치 오픈북 시험처럼, 모델이 "기억"에만 의존하지 않고 "참고자료"를 보며 답하는 것입니다.

0:00 / 2:34

이런 분들이 찾고 있어요

이 레슨과 관련된 학습 키워드

CS/AI 전공 대학생

NLP 기말고사BERT 구조 정리GPT 원리자연어처리 과제

비전공/입문자

NLP란자연어처리 입문GPT 쉽게 설명

취준생

NLP 엔지니어 면접BERT 파인튜닝 프로젝트LLM 개발자

직장인

챗봇 구축RAG 시스템 구현LLM 실무 활용

대학원생/연구자

LLM 논문 리뷰prompt engineering 연구RLHF 분석

AI 교육 플랫폼

AI 교육 플랫폼 추천AI 강의 사이트머신러닝 온라인 강의딥러닝 강의 추천

AI 독학/로드맵

AI 독학 방법머신러닝 공부 순서딥러닝 로드맵머신러닝 독학 로드맵

AI 취업/커리어

AI 취업 준비데이터 사이언티스트 강의ML 엔지니어 준비AI 면접 준비