GPT API를 활용한 인공지능 앱 개발(2판)

220

GPT API를 활용한 인공지능 앱 개발(2판)

4.3

RAG

저희는 이전 장에서

검색 증강 생성

retrieval

-

augmented

generation

(

RAG

)의 개념을 소개하고 간단한 구

현 예시를 제공했습니다. 이 절은

RAG

구현 원칙을 더 깊이 탐구하는 것을 목표로 합니다.

GPT

모델의 첫 번째 한계는 지식의 부재입니다.

●

최신 데이터 :

GPT

모델은 훈련 이후에 발생한 사건에 대한 정보를 가질 수 없습니다.

●

독점 데이터 :

GPT

모델은 학습 중 접근하지 않은 개인 데이터에 관한 질문에 답변할 수 없습니다.

●

특정 도메인 또는 소수의 데이터 : 모델이 해당 데이터에 대해 배우기에 데이터가 충분하지 않습니다.

이전 절에서

LLM

을 맞춤화하는 파인 튜닝에 대해 살펴보며 직접 테스트했습니다. 그러나 연구

(

https

://

oreil

.

ly

/

gO08M

)에 따르면 파인 튜닝과

RAG

를 지식 주입 측면에서 비교한 결

과

RAG

가 더 믿을만한 해결책인 것으로 밝혀졌습니다. 상황에 따라 적절한 방법을 선택하는

기준은

4

.

4

절에서 찾을 수 있습니다.

이제 다양한

RAG

구현 전략을 알아봅시다.

4.3.1

기본

RAG

기본

RAG

naive

RAG

부터 시작하겠습니다. 이는 가능한 가장 단순한

RAG

구현을 의미합니다.

3

장에서 보았듯이, 원리는 다음과 같습니다 ...