728x90 반응형 SMALL Graph RAG4 [논문 리뷰] Less is More: Denoising Knowledge Graphs for Retrieval Augmented Generation (25.10) Retrieval-Augmented Generation(RAG) 시스템은 large language model(LLM)이 생성 과정에서 관련 정보에 즉시 접근할 수 있게 해 주며, hallucination, 사실 부정확성, knowledge cutoff 같은 LLM의 흔한 난제를 다루는 데 우월한 성능을 보인다. Graph-based RAG는 knowledge graph(KG)를 도입해 풍부하고 구조화된 연결을 활용함으로써 더 정밀하고 추론적인 응답을 제공하여 이 패러다임을 한층 확장한다. 그러나 결정적인 난제는 대부분의 Graph-based RAG 시스템이 자동 KG 구축을 LLM에 의존한다는 점이며, 그 결과 중복 entity와 신뢰할 수 없는 relation을 담은 noisy KG가 만들어지는 경우.. 2026. 8. 10. [논문 리뷰] LinearRAG: Linear Graph Retrieval Augmented Generation on Large-scale Corpora (25.10) Retrieval-Augmented Generation(RAG)은 외부 지식을 활용해 Large Language Model(LLM)의 hallucination을 완화하는 데 널리 쓰인다. 단순한 query에는 효과적이지만, 전통적인 RAG 시스템은 정보가 파편화되어 있는 대규모 비정형 코퍼스에서는 어려움을 겪는다. 최근의 진전은 knowledge graph를 도입해 관계 구조를 포착함으로써 복잡한 multi-hop 추론 태스크에 대해 더 포괄적인 retrieval을 가능하게 한다. 그러나 기존 graph 기반 RAG(GraphRAG) 방법들은 graph 구축을 위해 불안정하고 비용이 큰 relation extraction에 의존하며, 그 결과 부정확하거나 일관성 없는 relation을 담은 noisy g.. 2026. 8. 10. [논문 리뷰] From RAG to Memory: Non-Parametric Continual Learning for Large Language Models (25.02) 지식을 지속적으로 습득하고 조직하며 활용하는 능력은 AI 시스템이 잠재력을 온전히 발휘하기 위해 반드시 근사해야 할 인간 지능의 핵심 특징이다. large language model(LLM)의 continual learning이 어렵다는 점 때문에 retrieval-augmented generation(RAG)이 새로운 정보를 주입하는 지배적인 방식이 되었지만, vector retrieval에 의존하는 특성 탓에 인간 long-term memory의 역동적이고 상호 연결된 성질을 모방하지 못한다. 최근의 RAG 접근법들은 knowledge graph 같은 다양한 구조로 vector embedding을 보강해 이 간극, 즉 sense-making과 associativity를 메우려 했지만, 더 기본적인 f.. 2026. 8. 10. [논문 리뷰] AutoSchemaKG: Autonomous Knowledge Graph Construction through Dynamic Schema Induction from Web-Scale Corpora (26.07) 본 논문은 사전 정의된 schema가 필요 없는 완전 자율 knowledge graph 구축 프레임워크인 AutoSchemaKG를 제시한다. 이 시스템은 large language model을 활용해 텍스트로부터 knowledge triple 추출과 포괄적인 schema induction을 동시에 수행하며, entity와 event를 모두 모델링하는 동시에 conceptualization을 사용해 개별 인스턴스를 의미적 범주로 조직한다. 5,000만 건이 넘는 문서를 처리하여 9억 개 이상의 노드와 59억 개의 엣지를 가진 knowledge graph 계열인 ATLAS(Automated Triple Linking And Schema induction)를 구축한다. 이 접근법은 multi-hop QA 태스.. 2026. 8. 9. 이전 1 다음 728x90 반응형 LIST
