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.
翻譯成其他語言
從原文內容
arxiv.org
深入探究