반응형
⭐ 정의
Self-RAG는 검색된 문서와 생성된 응답 모두에 대해 점검하고
검증하는 추가 단계를 포함하는 RAG 전략
🌊 흐름
| 단계 | 질문 (Self-Reflection) | 노드 |
| 1. 관련성 점검 | "내가 가져온 이 문서가 질문에 도움이 될까?" | Retrieval Grader |
| 2. 환각 점검 | "내가 쓴 답변이 문서에 있는 내용 기반인가?" | Hallucination Grader |
| 3. 유용성 점검 | "이 답변이 사용자의 질문에 직접적인 도움이 되나?" | Answer Grader |
🧩 역할
- 신뢰도 극대화: 잘못된 정보가 사용자에게 전달될 확률을 획기적으로 낮춤
- 적응력: 문서가 부족하면 다시 검색하거나 질문을 다듬는 등 유연한 대처
- 정교한 제어: LangGraph를 쓰면 각 단계(노드)마다 다른 AI 모델 사용가능 (예: 판단은 가벼운 모델, 생성은 무거운 모델)
출처
04. Self-RAG
.custom { background-color: #008d8d; color: white; padding: 0.25em 0.5…
wikidocs.net
https://arxiv.org/abs/2310.11511
Self-RAG: Learning to Retrieve, Generate, and Critique through Self-Reflection
Despite their remarkable capabilities, large language models (LLMs) often produce responses containing factual inaccuracies due to their sole reliance on the parametric knowledge they encapsulate. Retrieval-Augmented Generation (RAG), an ad hoc approach th
arxiv.org
반응형
'AI > LangGraph' 카테고리의 다른 글
| SubGraph와 Router (0) | 2026.02.22 |
|---|---|
| Corrective RAG (0) | 2026.02.22 |
| Conditional Edge (0) | 2026.02.22 |
| PDF 전처리 해보기 (0) | 2026.02.21 |
| 랭그래프 시작 (0) | 2026.02.21 |