• RAG란

<aside> ❓

RAG(Retrieval-Augmented Generation)는 검색 증강 생성이라고 하며, 대규모 언어 모델(LLM)의 답변 생성 능력을 향상시키기 위해 외부 지식 베이스를 활용하는 기술입니다. LLM은 방대한 텍스트 데이터로 학습되었지만, 학습 데이터에 없는 최신 정보나 특정 도메인에 대한 깊이 있는 지식을 제공하는 데는 한계가 있습니다. RAG는 이러한 LLM의 약점을 보완하여 더욱 정확하고 신뢰할 수 있는 답변을 생성할 수 있도록 돕습니다.

요약하자면, RAG는 LLM의 지식 부족 문제를 해결하고 답변의 정확성, 최신성, 신뢰성을 높이는 효과적인 기술입니다.

</aside>

• 동작 원리

<aside> ♻️

RAG는 크게 두 단계로 작동합니다.

1. 검색(Retrieval): 사용자의 질문이나 질의를 이해하고, 외부 지식 베이스에서 질문과 관련된 정보를 검색합니다. 이때, 질문의 의미를 파악하기 위해 자연어 처리 기술이 사용되며, 지식 베이스는 문서, 데이터베이스 등 다양한 형태를 가질 수 있습니다.
2. 생성(Generation): 검색된 정보를 LLM에 제공하여 답변을 생성합니다. LLM은 검색된 정보를 바탕으로 질문에 대한 답변을 생성하므로, 학습 데이터에 없던 최신 정보나 특정 지식을 활용하여 더욱 풍부하고 정확한 답변을 제공할 수 있습니다. </aside>

• 써팀 비서 만들기

<aside> ⛔

제약사항

• 문서는 각 부서의 팀장 이상만 등록이 가능합니다. </aside>

1. • 버튼으로 비서 만들기

   

2. 등록

   

3. 공개 범위 설정

   <aside> ⛔

   • 부서만 공개
   • 선택 된 부서 하위 포함 공개 </aside>

   

4. 등록 (확인)

   

5. 생성

   

6. 등록 완료