능동적 검색 증강 생성(FLARE) (7)은 가설적인 다음 문장을 반복적으로 합성합니다. 생성된 문장이 낮은 확률의 토큰을 포함할 경우, FLARE는 그 문장을 검색을 위한 새로운 쿼리로 사용하고 문장을 재생성합니다. Mialon et al. (12)은 언어 모델에서 고급 증강 생성 방법에 대한 연구를 검토합니다. Self-refine (11)은 반복적인 피드백과 개선을 통해 RAG의 초기 답변을 향상시키는 에이전트를 구축합니다. ReAct (16) 에이전트는 복잡한 쿼리를 재귀적으로 처리하는 데 널리 사용됩니다. RAG 평가 측면에서, RAGAS (4)와 ARES (14)는 LLM을 심판으로 활용하여 RAG 시스템을 평가하기 위한 자동 RAG 벤치마크를 구축합니다. Zhu et al. (17)은 검색자, 데이터 생성, 재작성기, 독자를 포함한 RAG 파이프라인에서 LLM의 집중적인 사용을 개관합니다. 우리는 우리의 FACTS 프레임워크를 통해 안전한 기업용 챗봇을 구축하는 데 있어 독특한 관점을 제공한다고 믿습니다.
