메뉴 건너뛰기
소속 기관 / 학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
고객센터 ENG
주제분류

논문 기본 정보

저자정보
(포인랩) (포인랩) (포인랩) (포인랩) (포인랩)
저널정보
한국정보기술학회 한국정보기술학회논문지 한국정보기술학회논문지 제24권 제10호(JKIIT, Vol.24, No.10)
오류 신고하기

피인용 0

검색

    초록·키워드

    검색증강생성(RAG)은 검색된 문서를 검증 없이 생성 모델에 전달하므로, 검색 결과가 구버전이거나 근거가 부족하거나 안전상 위험한 경우에도 답변을 생성한다. 본 연구는 검색과 생성 사이에 재질문·재검색·현행성 확인·보류·안전 경고를 선택하는 검색 후 판단 모델을 두고, 판단 절차를 로컬 모델에 프롬프트로 주는 방식, 로컬 모델에 LoRA로 학습시키는 방식, 프론티어 모델에 프롬프트로 주는 방식을 KOSHA 안전보건 기술지침 기반 RAG에서 동일 조건으로 비교하였다. 평가 데이터셋에서 절차를 학습한 로컬 모델의 성공률은 84.3%로 프론티어 모델(90.7%)의 93% 수준이었고, 프롬프트로 받은 로컬 모델(46.1%)보다 38.2%p 높았으며, 대화당 추론 비용은 프론티어 모델의 약 1/85이었다. 이는 판단 절차를 가중치에 학습시킨 로컬 모델이 망분리 환경과 판단 빈도가 높은 서비스에서 판단 모듈로 활용될 가능성을 보여준다.

    최근 본 자료 전체보기