이 논문은 사례 기반 추론(CBR)을 활용하여 대규모 언어 모델(LLM)의 성능을 향상시키는 CBR-RAG 방법을 소개한다. CBR-RAG는 CBR 사이클의 초기 검색 단계, 색인 어휘, 유사성 지식 컨테이너를 활용하여 LLM 질의에 관련 사례를 제공한다. 이를 통해 원래 LLM 질의에 더 풍부한 컨텍스트를 추가할 수 있다.
논문에서는 다양한 표현(일반 및 도메인 특화 임베딩)과 비교 방법(inter, intra 및 하이브리드 유사성)을 평가하였다. 실험 결과, CBR의 사례 재사용 컨텍스트가 관련 구성 요소와 증거 기반 간의 유사성을 강화하여 생성된 답변의 품질을 크게 향상시킨 것으로 나타났다.
In eine andere Sprache
aus dem Quellinhalt
arxiv.org
Wichtige Erkenntnisse aus
by Nirmalie Wir... um arxiv.org 04-09-2024
https://arxiv.org/pdf/2404.04302.pdfTiefere Fragen