Translations:FACTS About Building Retrieval Augmented Generation-based Chatbots/67/ko

우리의 작업은 우리가 제시한 모든 FACTS 차원(신선도, 아키텍처, 비용, 테스트, 보안)에서 RAG 품질을 다루는 다양한 주제의 RAG 논문과 비교할 수 있습니다. 공간 부족으로 인해 우리는 선택된 작업과 우리의 작업을 대조합니다. Barnett et. al. (3)는 RAG 시스템을 엔지니어링할 때 발생하는 7가지 실패 지점을 제시했습니다. 그들의 작업에서는 세 개의 챗봇을 구축하면서 얻은 발견을 제시하여 검색 증강 생성(RAG)을 올바르게 수행하는 데 있어 도전 과제를 강조합니다. Wenqi Glantz (6)는 12개의 RAG 고통 지점을 설명하고 해결책을 제시했습니다. 우리는 챗봇을 구축할 때 유사한 도전을 직접 경험했습니다. 그러나 이러한 작업 중 어느 것도 복잡한 쿼리, 테스트, 문서 보안 처리, 유연한 아키텍처의 필요성과 관련된 도전을 논의하지 않습니다. 우리의 작업에서는 위에서 언급한 RAG의 실패/고통 지점에 기반을 두고 있을 뿐만 아니라, RAG 파이프라인의 15개 제어 지점을 제시하고 각 단계에 대한 구체적인 해결책을 제공합니다. 또한, 우리는 통찰력을 확장하여 복잡한 쿼리 처리, 테스트 및 보안을 다루기 위한 실용적인 기술을 제시합니다. 우리는 복잡한 쿼리 처리를 위한 에이전트 아키텍처 구현 중 하나에 대한 참조 아키텍처, 주관적인 쿼리 응답을 테스트하고 평가하기 위한 전략, 문서 ACL 및 보안을 처리하기 위한 인식을 제고했습니다. 또한, 유연한 생성 AI 기반 챗봇 플랫폼에 대한 참조 아키텍처를 제시합니다.