ETRI-Knowledge Sharing Plaform

KOREAN
논문 검색
Type SCI
Year ~ Keyword

Detail

Conference Paper 부정 문서 노출 학습과 위치 재정렬 기반 한국어 질의 응답 RAG 모델의 강건성 연구
Cited - time in scopus Share share facebook twitter linkedin kakaostory
Authors
김다은, 배용진, 김현, 배경만
Issue Date
2026-06
Citation
한국컴퓨터 종합 학술대회 (KCC) 2026, pp.2156-2158
Publisher
한국정보과학회
Language
Korean
Type
Conference Paper
Abstract
최근 RAG 시스템은 외부 문서를 활용하여 대규모 언어 모델의 답변 품질을 향상시키는 핵심 기술로 자리 잡았으나, 검색된 문서 수 증가가 오히려 성능 저하로 이어지는 문제가 보고되고 있다. 이는 hard negatives와 Lost-in-the-Middle 현상에 기인하며, 특히 한국어 소형 언어 모델 환경에서의 해결책은 충분히 검증되지 않았다. 본 논문에서는 LITM 현상을 역이용하여 관련성 높은 문서를 입력의 시작과 끝에 배치한다. 한국어 위키피디아 기반 질의응답 데이터셋을 사용한 실험 결과, Qwen2.5 1.5B 및 7B 모델에서 훈련 컨텍스트 길이가 8인 부근에서 최적 성능을 보였으며, 과도하게 긴 컨텍스트에서는 위치 재정렬 전략의 효과가 증가함을 확인하였다.