인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
Retrieval-Augmented Generation (RAG) has emerged as a technique for improving the performance of language models (LLMs), where the inclusion of noisy documents is unavoidable. While prior studies have largely treated noise as detrimental and focused on its removal, this study demonstrates that certain types and combinations of noisy documents can improve LLM-based question answering performance. We categorize noisy documents into six types and systematically evaluate their individual and combined effects within an LLM-RAG framework. To analyze the mechanisms underlying performance changes, we employ quantitative metrics that capture improvement and degradation. We define beneficial noise as White Noise and harmful noise as Black Noise, framing noise along a brightness continuum. Furthermore, we propose a Pure White Noise selection method that provides practical guidance for leveraging beneficial noise to enhance the robustness of RAG systems. Our results suggest that noise can be strategically utilized as a resource for robust RAG design.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-096852287
