11가지 새로운 RAG 기법

AuthorAuthor

Ben Eum & Ksenia Se
April 25, 2025

RAG 기법의 진화, 끝이 없는 것 같네요. AI 기술이 끝없이 빠르게 진화하는 것과 발맞추듯이 말이예요. 최근 등장하는 RAG 기법들은, 좀 더 ‘에이전틱’하게 되고 있을 뿐 아니라, 하이퍼그래프 같은 복잡한 구조를 좀 더 똑똑하게 다룰 수 있도록 발전하고 있습니다.

오늘은, 11가지 최신의 RAG 유형에 대해서 알아보겠습니다:

  1. InstructRAG: Leveraging Retrieval-Augmented Generation on Instruction Graphs for LLM-Based Task Planning (2504.13032)
    그래프 기반 구조, 작업 커버리지를 확장하기 위한 RL 에이전ㅌ, 그리고 더 일반화를 잘 하게 하기 위한 메타 러닝 에이전트를 활용해서 RAG와 멀티 에이전트 프레임웍을 결합합니다.

  2. CoRAG: Collaborative Retrieval-Augmented Generation (2504.01883)
    클라이언트가 공유 패시지 저장소를 사용해서 공동의 모델을 훈련하는 환경으로 RAG를 확장한 협업 프레임웍입니다.

  3. ReaRAG: Knowledge-guided Reasoning Enhances Factuality of Large Reasoning Models with Iterative Retrieval Augmented Generation (2503.21729)
    ‘생각-행동-관찰’ 루프를 기반으로 해서, 각 단계에서 정보를 검색할지 또는 답변을 확정할지 결정함을써 불필요한 추론과 오류를 줄입니다.

  4. MCTS-RAG: Enhancing Retrieval-Augmented Generation with Monte Carlo Tree Search (2503.20757)
    RAG와 몬테카를로 트리 서치(MCTS)를 결합해서, 소형 LM이 복잡하고 지식 집약적인 작업을 처리할 수 있게끔 도와줍니다.

  5. Typed-RAG: Type-aware Multi-Aspect Decomposition for Non-Factoid Question Answering (2503.15879)
    질문의 유형 (예를 들어, 토론인지, 개인 경험에 대한 것인지, 또는 비교하는 것인지)을 식별해서 더 간단한 부분으로 분해를 해서, 개방형 질문에 대해서 더 잘 답변할 수 있도록 합니다.

  6. Retrieval-Augmented Generation with Conflicting Evidence (2504.13079)
    모델들이 여러 라운드에 걸쳐서 답변에 대해서 토론하고, 집계자가 노이즈라든가 잘못된 정보를 필터링하는 멀티 에이전트 시스템입니다.

  7. HM-RAG: Hierarchical Multi-Agent Multimodal Retrieval Augmented Generation (2504.12330)
    3개의 에이전트를 사용하는 ‘계층적 멀티 에이전트 RAG 프레임웍’입니다: 하나는 쿼리를 분할하고, 하나는 여러 데이터 유형 (텍스트, 그래프, 웹)을 대상으로 검색을 하고, 하나는 답변을 병합하고 정제합니다.

  8. CDF-RAG: Causal Dynamic Feedback for Adaptive Retrieval-Augmented Generation (2504.12560)
    인과 그래프 (Causal Graph)와 함께 작동하는데, 쿼리를 잘 정제해서 다중 홉의 인과 추론을 지원합니다. 인과 경로에 대해서 응답을 검증합니다.

  9. NodeRAG
    잘 설계된 이기종의 그래프 구조를 사용하고, 그래프 알고리즘이 원활하게 통합될 수 있도록 그래프의 설계에 집중합니다. 다중 홉 및 개방형 QA 벤치마크에서 GraphRAG와 LightRAG보다 우수한 성능을 보여줍니다.

  10. HeteRAG
    이 이기종의 RAG 프레임웍은 ‘지식 청크 표현 (Knowledge Chunk Representation)을 분리합니다. 검색을 위한 다중 입도 (Multi-Granular) 뷰와 생성을 위한 간결한 청크를 사용하고, 적응형 프롬프트 튜닝도 함께 활용합니다.

  11. Hyper-RAG
    하이퍼그래프 기반의 RAG 기법입니다. 도메인별 지식에서 발생할 수 있는 아주 복잡한 관계를 모두 포착해서 사실적인 정확성을 향상시키고 환각을 줄여주고, 특히 의학과 같은 중요한 분야에서 Graph RAG와 Light RAG를 능가하는 성능을 보여줍니다. 경량 버전은 검색 속도도 두 배로 향상시킬 수 있습니다.

*읽어주셔서 감사합니다. 재미있게 보셨다면 친구와 동료 분들에게도 뉴스레터를 추천해 주세요.

Reply

or to participate.